无法查询/选择通过 Spark SQL 插入的数据

Posted

技术标签:

【中文标题】无法查询/选择通过 Spark SQL 插入的数据【英文标题】:Unable to query/select data those inserted through Spark SQL 【发布时间】:2019-02-12 10:04:13 【问题描述】:

我正在尝试将数据插入到具有分区的 Hive 托管表中。

显示创建表输出以供参考。

+--------------------------------------------------------------------------------------------------+--+
|                                          createtab_stmt                                          |
+--------------------------------------------------------------------------------------------------+--+
| CREATE TABLE `part_test08`(                                                                      |
|   `id` string,                                                                                   |
|   `name` string,                                                                                 |
|   `baseamount` double,                                                                           |
|   `billtoaccid` string,                                                                          |
|   `extendedamount` double,                                                                       |
|   `netamount` decimal(19,5),                                                                     |
|   `netunitamount` decimal(19,5),                                                                 |
|   `pricingdate` timestamp,                                                                       |
|   `quantity` int,                                                                                |
|   `invoiceid` string,                                                                            |
|   `shiptoaccid` string,                                                                          |
|   `soldtoaccid` string,                                                                          |
|   `ingested_on` timestamp,                                                                       |
|   `external_id` string)                                                                          |
| PARTITIONED BY (                                                                                 |
|   `productid` string)                                                                            |
| ROW FORMAT SERDE                                                                                 |
|   'org.apache.hadoop.hive.ql.io.orc.OrcSerde'                                                    |
| STORED AS INPUTFORMAT                                                                            |
|   'org.apache.hadoop.hive.ql.io.orc.OrcInputFormat'                                              |
| OUTPUTFORMAT                                                                                     |
|   'org.apache.hadoop.hive.ql.io.orc.OrcOutputFormat'                                             |
| LOCATION                                                                                         |
|   'wasb://blobrootpath/hive/warehouse/db_103.db/part_test08'  |
| TBLPROPERTIES (                                                                                  |
|   'bucketing_version'='2',                                                                       |
|   'transactional'='true',                                                                        |
|   'transactional_properties'='default',                                                          |
|   'transient_lastDdlTime'='1549962363')                                                          |
+--------------------------------------------------------------------------------------------------+--+

尝试执行 SQL 语句将记录插入到零件表中,如下所示

sparkSession.sql("INSERT INTO TABLE db_103.part_test08 PARTITION(ProductId) SELECT reflect('java.util.UUID', 'randomUUID'),stg_name,stg_baseamount,stg_billtoaccid,stg_extendedamount,stg_netamount,stg_netunitamount,stg_pricingdate,stg_quantity,stg_invoiceid,stg_shiptoaccid,stg_soldtoaccid,'2019-02-12 09:06:07.566',stg_id,stg_ProductId FROM tmp_table WHERE part_id IS NULL");

如果没有插入语句,如果我们运行选择查询然后得到下面的数据。

+-----------------------------------+--------+--------------+--------------------+------------------+-------------+-----------------+-------------------+------------+-------------+--------------------+--------------------+-----------------------+------+-------------+
|reflect(java.util.UUID, randomUUID)|stg_name|stg_baseamount|     stg_billtoaccid|stg_extendedamount|stg_netamount|stg_netunitamount|    stg_pricingdate|stg_quantity|stg_invoiceid|     stg_shiptoaccid|     stg_soldtoaccid|2019-02-12 09:06:07.566|stg_id|stg_ProductId|
+-----------------------------------+--------+--------------+--------------------+------------------+-------------+-----------------+-------------------+------------+-------------+--------------------+--------------------+-----------------------+------+-------------+
|               4e0b4331-b551-42d...|    OLI6|          16.0|2DD4E682-6B4F-E81...|            34.567|   1166.74380|        916.78000|2018-10-18 05:06:22|          13|           I1|2DD4E682-6B4F-E81...|2DD4E682-6B4F-E81...|   2019-02-12 09:06:...|     6|           P3|
|               8b327a8e-dd3c-445...|    OLI7|          16.0|2DD4E682-6B4F-E81...|            34.567|    766.74380|       1016.78000|2018-10-18 05:06:22|          13|           I6|2DD4E682-6B4F-E81...|2DD4E682-6B4F-E81...|   2019-02-12 09:06:...|     7|           P4|
|               c0e14b9a-8d1a-426...|    OLI5|       14.6555|                null|             34.56|    500.87000|        814.65000|2018-10-11 05:06:22|          45|           I4|29B73C4E-846B-E71...|29B73C4E-846B-E71...|   2019-02-12 09:06:...|     5|           P1|
+-----------------------------------+--------+--------------+--------------------+------------------+-------------+-----------------+-------------------+------------+-------------+--------------------+--------------------+-----------------------+------+-------------+

之前我在插入托管表时遇到错误。但是在重新启动 Hive 和 Thrift 服务后,现在执行作业没有错误,但是 在通过直线/程序进行选择查询时无法看到那些插入的数据。我可以看到带有 delta 文件的分区也被插入进入蜂巢/仓库,见下面的截图。

另外,我可以看到一些警告如下,不确定它是否与错误有关。

Cannot get ACID state for db_103.part_test08 from null

另一个注意事项:如果我使用外部表,那么它工作正常,也可以查看数据

我们正在使用带有以下服务堆栈的 Azure HDInsight Spark 2.3(HDI 4.0 预览版)集群。

HDFS:3.1.1

蜂巢:3.1.0

Spark2:2.3.1

【问题讨论】:

【参考方案1】:

您是否在尝试插入数据时添加了以下设置命令。

SET hive.txn.manager=org.apache.hadoop.hive.ql.lockmgr.DbTxnManager;
SET hive.support.concurrency=true;
SET hive.enforce.bucketing=true;
SET hive.exec.dynamic.partition.mode=nonstrict;

我遇到过类似的问题,在添加上述属性后,我不能进行任何读/写操作,我能够查询表。

由于您没有遇到外部表的任何问题,因此不确定这是否能解决您的问题。

【讨论】:

感谢您的建议,我尝试了同样的方法,但没有帮助。 重新启动 Hive/Thrift 服务后,现在不会出现错误,但无法通过直线/程序看到插入的数据。更新了相同的问题。

以上是关于无法查询/选择通过 Spark SQL 插入的数据的主要内容,如果未能解决你的问题,请参考以下文章

在 HIVE 上插入 Spark-SQL 插件

Spark 2.3.0 SQL 无法将数据插入 hive hbase 表

如何使用 Databricks 使用服务原理通过 spark 数据框将批量数据插入 Sql Server 数据仓库

Microsoft SQL Server 从选择查询插入

插入逗号以分隔 spark sql 查询结果的错误

Apache Livy:通过 REST 查询 Spark SQL:可能吗?