对存储在 Hive 中的数据运行 Pig 查询

Posted 2023-03-06

【中文标题】对存储在 Hive 中的数据运行 Pig 查询

【英文标题】：Running Pig query over data stored in Hive

【发布时间】：2011-04-21 07:50:22

【问题描述】：

我想知道如何运行以 Hive 格式存储的 Pig 查询。我已将 Hive 配置为存储压缩数据（使用本教程 http://wiki.apache.org/hadoop/Hive/CompressedStorage）。

在此之前，我只是使用带有 Hive 分隔符 (^A) 的普通 Pig 加载函数。但是现在 Hive 将数据存储在经过压缩的序列文件中。使用哪个加载函数？

注意不需要像这里提到的那样紧密集成：Using Hive with Pig，只是使用什么加载函数来读取 Hive 生成​​的压缩序列文件。

感谢大家的回答。

【参考方案1】：

这是我发现的： 如果您将数据存储为 RCFile，则使用 HiveColumnarLoader 是有意义的。要使用它加载表，您需要先注册一些 jar：

register /srv/pigs/piggybank.jar
register /usr/lib/hive/lib/hive-exec-0.5.0.jar
register /usr/lib/hive/lib/hive-common-0.5.0.jar

a = LOAD '/user/hive/warehouse/table' USING org.apache.pig.piggybank.storage.HiveColumnarLoader('ts int, user_id int, url string');

要从序列文件中加载数据，您必须使用 PiggyBank（如前面的示例）。 Piggybank 的 SequenceFile 加载器应该处理压缩文件：

register /srv/pigs/piggybank.jar
DEFINE SequenceFileLoader org.apache.pig.piggybank.storage.SequenceFileLoader();
a = LOAD '/user/hive/warehouse/table' USING SequenceFileLoader AS (int, int);

这不适用于 Pig 0.7，因为它无法读取 BytesWritable 类型并将其转换为 Pig 类型，并且您会收到以下异常：

2011-07-01 10:30:08,589 WARN org.apache.pig.piggybank.storage.SequenceFileLoader: Unable to translate key class org.apache.hadoop.io.BytesWritable to a Pig datatype
2011-07-01 10:30:08,625 WARN org.apache.hadoop.mapred.Child: Error running child
org.apache.pig.backend.BackendException: ERROR 0: Unable to translate class org.apache.hadoop.io.BytesWritable to a Pig datatype
    at org.apache.pig.piggybank.storage.SequenceFileLoader.setKeyType(SequenceFileLoader.java:78)
    at org.apache.pig.piggybank.storage.SequenceFileLoader.getNext(SequenceFileLoader.java:132)
    at org.apache.pig.backend.hadoop.executionengine.mapReduceLayer.PigRecordReader.nextKeyValue(PigRecordReader.java:142)
    at org.apache.hadoop.mapred.MapTask$NewTrackingRecordReader.nextKeyValue(MapTask.java:448)
    at org.apache.hadoop.mapreduce.MapContext.nextKeyValue(MapContext.java:67)
    at org.apache.hadoop.mapreduce.Mapper.run(Mapper.java:143)
    at org.apache.hadoop.mapred.MapTask.runNewMapper(MapTask.java:639)
    at org.apache.hadoop.mapred.MapTask.run(MapTask.java:315)
    at org.apache.hadoop.mapred.Child$4.run(Child.java:217)
    at java.security.AccessController.doPrivileged(Native Method)
    at javax.security.auth.Subject.doAs(Subject.java:396)
    at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1063)
    at org.apache.hadoop.mapred.Child.main(Child.java:211)

这里描述了如何编译piggybank：Unable to build piggybank -> /home/build/ivy/lib does not exist