Hive在哪里存储HDFS中的文件？

Posted 2021-03-27

我想知道如何找到Hive表与它们所代表的实际HDFS文件（或更确切地说，目录）之间的映射。我需要直接访问表文件。

Hive将文件存储在HDFS中的哪个位置？

答案

一旦知道了要查看的位置，它们存储在HDFS上的位置就很容易识别出来。 :)

如果你在浏览器中访问http://NAMENODE_MACHINE_NAME:50070/，它会带你到一个带有Browse the filesystem链接的页面。

在$HIVE_HOME/conf目录中有hive-default.xml和/或hive-site.xml，它具有hive.metastore.warehouse.dir属性。单击Browse the filesystem链接后，您将要导航到该值。

在我的，它是/usr/hive/warehouse。一旦我导航到那个位置，我就会看到桌子的名字。单击表名（只是一个文件夹）将显示表的分区。就我而言，我目前只在date上进行了分区。当我点击此级别的文件夹时，我将看到文件（更多分区将有更多级别）。这些文件是数据实际存储在HDFS上的位置。

我没有尝试直接访问这些文件，我假设它可以完成。如果你正在考虑编辑它们，我会非常小心。 :)对我来说 - 如果不直接访问磁盘上的Hive数据，我会找到一种方法来做我需要的工作。如果需要访问原始数据，可以使用Hive查询并将结果输出到文件。这些将具有与HDFS上的文件完全相同的结构（列之间的分隔符等）。我总是这样查询并将它们转换为CSV。

有关如何将数据从查询写入磁盘的部分是https://cwiki.apache.org/confluence/display/Hive/LanguageManual+DML#LanguageManualDML-Writingdataintothefilesystemfromqueries

UPDATE

从Hadoop 3.0.0 - Alpha 1开始，默认端口号发生了变化。 NAMENODE_MACHINE_NAME：50070更改为NAMENODE_MACHINE_NAME：9870。如果您在Hadoop 3.x上运行，请使用后者。 HDFS-9427中描述了端口更改的完整列表

另一答案

在沙箱中，您需要访问/ apps / hive / warehouse /和普通的集群/用户/配置单元/仓库

另一答案

Hive数据库只是具有.db扩展名的HDFS中的目录。

因此，从连接到HDFS的Unix或Linux主机，根据HDFS分发的类型进行搜索：

hdfs dfs -ls -R / 2>/dev/null|grep db或hadoop fs -ls -R / 2>/dev/null|grep db

您将看到.db数据库目录的完整路径。所有表都将驻留在相应的.db数据库目录下。

另一答案

Hive表可能不一定存储在仓库中（因为您可以创建位于HDFS上任何位置的表）。

你应该使用DESCRIBE FORMATTED <table_name>命令。

hive -S -e "describe formatted <table_name> ;" | grep 'Location' | awk '{ print $NF }'

请注意，分区可能存储在不同的地方，并获得alpha=foo/beta=bar分区的位置，您必须在partition(alpha='foo',beta='bar')之后添加<table_name>。

另一答案

在Hive终端类型：

hive> set hive.metastore.warehouse.dir;

（它将打印路径）

另一答案

在hive cli中输入show create table <table_name>也很有可能会为您提供蜂巢表的确切位置。

另一答案

在蜂巢壳内的describe formatted <table_name>;。

注意显示表位置的“Location”值。

另一答案

总结之前发布的几点，在hive-site.xml中，属性hive.metastore.warehouse.dir指定文件位于hadoop HDFS下的位置

<property>
   <name>hive.metastore.warehouse.dir</name>
   <value>/user/hive/warehouse</value>
</property>

要查看文件，请使用以下命令：

hadoop fs -ls /user/hive/warehouse

要么

http://localhost:50070
Utilities > Browse the file system
or
http://localhost:50070/explorer.html#/

在hadoop-2.7.3，hive-2.1.1下测试

另一答案

如果查看hive-site.xml文件，您将看到类似这样的内容

<property>
   <name>hive.metastore.warehouse.dir</name>
   <value>/usr/hive/warehouse </value>
   <description>location of the warehouse directory</description>
 </property>

/ usr / hive / warehouse是所有托管表的默认位置。外部表可以存储在不同的位置。

describe formatted <table_name>是一个hive shell命令，可以更普遍地用于查找与hive表有关的数据的位置。

另一答案

在Hive中，表实际上存储在几个地方。具体来说，如果您使用分区（如果您的表非常大或正在增长，则应该使用分区），那么每个分区都可以拥有自己的存储。

要显示通过默认HIVE命令创建表数据或分区的默认位置：（insert overwrite ... partition ...等）：

describe formatted dbname.tablename

要显示HIVE表中特定分区的实际位置，请执行以下操作：

describe formatted dbname.tablename partition (name=value)

如果您在文件系统中查找“应该”存在的表，并且在那里找不到任何文件，则很可能通过创建新分区并将该分区指向其他位置来创建表（通常是递增的）。这是从诸如第三方日常导入之类的东西构建表格的好方法，这避免了必须复制文件或在不同位置多次存储它们。

另一答案

检查特定表存储位置的另一种方法是在hive交互式界面上执行此查询：

show create table table_name;

其中table_name是主题表的名称。

“客户”表上的上述查询的示例如下所示：

CREATE TABLE `customers`(
  `id` string, 
  `name` string)
COMMENT 'Imported by sqoop on 2016/03/01 13:01:49'
ROW FORMAT DELIMITED 
  FIELDS TERMINATED BY ',' 
  LINES TERMINATED BY '
' 
STORED AS INPUTFORMAT 
  'org.apache.hadoop.mapred.TextInputFormat' 
OUTPUTFORMAT 
  'org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat'
LOCATION
  'hdfs://quickstart.cloudera:8020/user/hive/warehouse/
   sqoop_workspace.db/customers'
TBLPROPERTIES (
  'COLUMN_STATS_ACCURATE'='true', 
  'numFiles'='4', 
  'totalSize'='77', 
  'transient_lastDdlTime'='1456866115')

上面示例中的LOCATION是您应该关注的地方。这是hive仓库的hdfs位置。

如果你喜欢这个解决方案，别忘了喜欢。干杯!