Hive使用十六进制分隔符异常分析

Posted Hadoop实操

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Hive使用十六进制分隔符异常分析相关的知识,希望对你有一定的参考价值。

温馨提示:要看高清无码套图,请使用手机打开并单击图片放大查看。


1.问题描述

通过sqoop抽取mysql表数据到hive表,发现hive表所有列显示为null

Hive表的分隔符为“\u001B,sqoop指定的分隔符也是“\u001B”

通过命令show create table test_hive_delimiter查看建表语句如下:

0: jdbc:hive2://localhost:10000/> show create table test_hive_delimiter;
...
INFO 
: OK
+----------------------------------------------------+--+
|                   createtab_stmt                   |
+----------------------------------------------------+--+
| CREATE EXTERNAL TABLE `test_hive_delimiter`(       |
|  
`id` int,                                        |
|  
`name` string,                                   |
|  
`address` string)                                |
|
ROW FORMAT SERDE                                   |
|  
'org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe'  |
|
WITH SERDEPROPERTIES (                             |
|  
'field.delim'='\u0015',                          |
|  
'serialization.format'='\u0015')                 |
|
STORED AS INPUTFORMAT                              |
|  
'org.apache.hadoop.mapred.TextInputFormat'       |
|
OUTPUTFORMAT                                       |
|  
'org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat' |
|
LOCATION                                           |
|  
'hdfs://ip-172-31-6-148.fayson.com:8020/fayson/test_hive_delimiter' |
|
TBLPROPERTIES (                                    |
|  
'COLUMN_STATS_ACCURATE'='false',                 |
|  
'numFiles'='0',                                  |
|  
'numRows'='-1',                                  |
|  
'rawDataSize'='-1',                              |
|  
'totalSize'='0',                                 |
|  
'transient_lastDdlTime'='1504705887')            |
+----------------------------------------------------+--+
22
rows selected (0.084 seconds)
0: jdbc:hive2://localhost:10000/>

Hive使用十六进制分隔符异常分析

发现Hive的原始建表语句中的分隔符是“\u001B”而通过show create table test_hive_delimiter命令查询出来的分隔符为“\u0015”,分隔符被修改了。


2.问题复现

1.创建Hivetest_hive_delimiter,使用“\u001B”分隔符

create external table test_hive_delimiter
(
  id int,
  name string,
  address string
)
row
format delimited fields terminated by '\u001B'
stored as textfile location '/fayson/test_hive_delimiter';

2.使用sqoop抽取MySQLtest表数据到hive表(test_hive_delimiter

 [root@ip-172-31-6-148 ~]# sqoop import --connect jdbc:mysql://ip-172-31-6-148.fayson.com:3306/fayson -username root -password 123456 --table test -m 1 --hive-import --fields-terminated-by "\0x001B" --target-dir /fayson/test_hive_delimiter --hive-table test_hive_delimiter

数据抽取成功:

[root@ip-172-31-6-148 ~]# hadoop fs -ls /fayson/test_hive_delimiter
Found 2 items
-rw-r--r--   3 fayson supergroup          0 2017-09-06 13:46 /fayson/test_hive_delimiter/_SUCCESS
-rwxr-xr-x   3 fayson supergroup         56 2017-09-06 13:46 /fayson/test_hive_delimiter/part-m-00000
[root@ip-172-31-6-148 ~]# hadoop fs -ls /fayson/test_hive_delimiter/part-m-00000
-rwxr-xr-x   3 fayson supergroup         56 2017-09-06 13:46 /fayson/test_hive_delimiter/part-m-00000
[root@ip-172-31-6-148 ~]#

Hive使用十六进制分隔符异常分析

3.查看test_hive_delimiter表数据

[root@ip-172-31-6-148 ~]# beeline 
Beeline version 1.1.0-cdh5.12.1 by Apache Hive
beeline> !connect jdbc:hive2://localhost:10000/;principal=hive/ip-172-31-6-148.fayson.com@FAYSON.COM
...
Transaction
isolation: TRANSACTION_REPEATABLE_READ
0: jdbc:hive2://localhost:10000/>
select * from test_hive_delimiter;
...
INFO 
: OK
+-------------------------+---------------------------+------------------------------+--+
| test_hive_delimiter.id  | test_hive_delimiter.name  | test_hive_delimiter.address  |
+-------------------------+---------------------------+------------------------------+--+
| NULL                    | NULL                      | NULL                         |
|
NULL                    | NULL                      | NULL                         |
|
NULL                    | NULL                      | NULL                         |
+-------------------------+---------------------------+------------------------------+--+
3
rows selected (0.287 seconds)
0: jdbc:hive2://localhost:10000/>

Hive使用十六进制分隔符异常分析

4.Hive表的建表语句如下

Hive使用十六进制分隔符异常分析


3.解决方法

分隔符“\u001B”为十六进制,而Hive的分隔符实际是八进制,所以在使用十六进制的分隔符时会被Hive转义,所以出现使用“\u001B”分隔符创建hive表后显示的分隔符为“\u0015”。

在不改变数据文件分隔符的情况下,要先将十六进制分隔符转换成八进制分隔符来创建Hive表。

1.将十六进制分隔符转换为八进制分隔符

\u001B”转换八进制为“\033,在线转换工具:http://tool.lu/hexconvert/

Hive使用十六进制分隔符异常分析

2.修改建表语句使用八进制“\033”作为分隔符

create external table test_hive_delimiter
(
  id int,
  name string,
  address string
)
row
format delimited fields terminated by '\033'
stored as textfile location '/fayson/test_hive_delimiter';

Hive使用十六进制分隔符异常分析

使用命令show create table test_hive_delimiter查看建表语句

0: jdbc:hive2://localhost:10000/> show create table test_hive_delimiter;
...
INFO 
: OK
+----------------------------------------------------+--+
|                   createtab_stmt                   |
+----------------------------------------------------+--+
| CREATE EXTERNAL TABLE `test_hive_delimiter`(       |
|  
`id` int,                                        |
|  
`name` string,                                   |
|  
`address` string)                                |
|
ROW FORMAT SERDE                                   |
|  
'org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe'  |
|
WITH SERDEPROPERTIES (                             |
|  
'field.delim'='\u001B',                          |
|  
'serialization.format'='\u001B')                 |
|
STORED AS INPUTFORMAT                              |
|  
'org.apache.hadoop.mapred.TextInputFormat'       |
|
OUTPUTFORMAT                                       |
|  
'org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat' |
|
LOCATION                                           |
|  
'hdfs://ip-172-31-6-148.fayson.com:8020/fayson/test_hive_delimiter' |
|
TBLPROPERTIES (                                    |
|  
'COLUMN_STATS_ACCURATE'='false',                 |
|  
'numFiles'='0',                                  |
|  
'numRows'='-1',                                  |
|  
'rawDataSize'='-1',                              |
|  
'totalSize'='0',                                 |
|  
'transient_lastDdlTime'='1504707693')            |
+----------------------------------------------------+--+
22
rows selected (0.079 seconds)
0: jdbc:hive2://localhost:10000/>

Hive使用十六进制分隔符异常分析

3.查询test_hive_delimiter表数据

0: jdbc:hive2://localhost:10000/> select * from test_hive_delimiter;
...
INFO 
: OK
+-------------------------+---------------------------+------------------------------+--+
| test_hive_delimiter.id  | test_hive_delimiter.name  | test_hive_delimiter.address  |
+-------------------------+---------------------------+------------------------------+--+
| 1                       | fayson                    | guangdong                    |
|
2                       | zhangsan                  | shenzheng                    |
|
3                       | lisi                      | shanghai                     |
+-------------------------+---------------------------+------------------------------+--+
3
rows selected (0.107 seconds)
0: jdbc:hive2://localhost:10000/>

将十六进制的”\u001B”转换为八进制的”\033”建表,问题解决。


4.备注

  1. Hive建表时使用十六进制分割符需要注意,部分分隔符会被转义(如:001B/001C等)

  2. Sqoop指定十六进制分隔符,为什么是“\0x001B”而不是“\u001B,可参考Sqoop

官网说明:https://sqoop.apache.org/docs/1.4.6/SqoopUserGuide.html#_file_formats


醉酒鞭名马,少年多浮夸! 岭南浣溪沙,呕吐酒肆下!挚友不肯放,数据玩的花!

温馨提示:要看高清无码套图,请使用手机打开并单击图片放大查看。


推荐关注Hadoop实操,第一时间,分享更多Hadoop干货,欢迎转发和分享。


以上是关于Hive使用十六进制分隔符异常分析的主要内容,如果未能解决你的问题,请参考以下文章

31.分隔符异常分析

hive分隔符问题

hive 特殊分隔符 0X1B

Hive Load本地数据文件异常分析

使用Hive SQL插入动态分区的Parquet表OOM异常分析

使用Hive SQL插入动态分区的Parquet表OOM异常分析