从分区文件结构创建 Impala 外部表

Posted 2023-03-22

【中文标题】从分区文件结构创建 Impala 外部表

【英文标题】：Creating Impala external table from a partitioned file structure

【发布时间】：2013-08-07 16:42:41

【问题描述】：

提供了一个分区的 fs 结构，如下所示：

logs
└── log_type
    └── 2013
        ├── 07
        │   ├── 28
        │   │   ├── host1
        │   │   │   └── log_file_1.csv
        │   │   └── host2
        │   │       ├── log_file_1.csv
        │   │       └── log_file_2.csv
        │   └── 29
        │       ├── host1
        │       │   └── log_file_1.csv
        │       └── host2
        │           └── log_file_1.csv
        └── 08

我一直在尝试在 Impala 中创建一个外部表：

create external table log_type (
    field1    string,
    field2    string,
    ...
)
row format delimited fields terminated by '|' location '/logs/log_type/2013/08';

我希望 Impala 递归到子目录并加载所有 csv 文件；但没有雪茄。 没有抛出错误，但没有数据加载到表中。

/logs/log_type/2013/08/*/* 或 /logs/log_type/2013/08/*/*/* 等不同的 glob 也不起作用。

有没有办法做到这一点？或者我应该重组 fs - 对此有何建议？

【参考方案1】：

如果您仍在寻找答案。 您需要手动注册每个单独的分区。

详情请看这里Registering External Table

您的表架构需要调整

create external table log_type (
        field1    string,
        field2    string,
...)
  partitioned by (year int, month int, day int, host string)
  row format delimited fields terminated by '|';

更改架构后，包括年、月、日和主机，您必须递归地将每个分区添加到表中。

类似的东西

ALTER TABLE log_type ADD PARTITION (year=2013, month=07, day=28, host="host1")
    LOCATION '/logs/log_type/2013/07/28/host1';

之后你需要在 impala 中刷新表格。

invalidate log_type;
refresh log_type;

【参考方案2】：

另一种方法是使用 Impala 中的 LOAD DATA 函数。如果您的数据是 SequenceFile 或其他不太适合 Impala 的格式 (Impala file formats)，您可以像上面 Joey 那样创建外部表，但您可以执行类似

的操作，而不是 ALTER TABLE

LOAD DATA INPATH '/logs/log_type/2013/07/28/host1/log_file_1.csv' INTO TABLE log_type PARTITION (year=2013, month=07, day=28, host=host1);

【参考方案3】：

有了新版本的 impala，您可以使用

ALTER TABLE name RECOVER PARTITIONS

命令。 More info

您需要注意的是，分区字段必须小写，因为目录结构区分大小写，但 impala 查询不区分。