使用 API 而不是 SQL 从 Spark 创建 Hive 表?
Posted
技术标签:
【中文标题】使用 API 而不是 SQL 从 Spark 创建 Hive 表?【英文标题】:Create Hive Table from Spark using API, rather than SQL? 【发布时间】:2017-08-13 15:26:53 【问题描述】:我想创建一个带分区的配置单元表。
表的架构是:
val schema = StructType(StructField(name,StringType,true),StructField(age,IntegerType,true))
我可以使用 Spark-SQL 做到这一点:
val query = "CREATE TABLE some_new_table (name string, age integer) USING org.apache.spark.sql.parquet OPTIONS (path '<some_path>') PARTITIONED BY (age)"
spark.sql(query)
当我尝试使用 Spark API(使用 Scala)时,表格中充满了数据。我只想创建一个空表并定义分区。这就是我正在做的,我做错了什么:
val df = spark.createDataFrame(sc.emptyRDD[Row], schema)
val options = Map("path" -> "<some_path>", "partitionBy" -> "age")
df.sqlContext().createExternalTable("some_new_table", "org.apache.spark.sql.parquet", schema, options);
我正在使用 Spark-2.1.1。
【问题讨论】:
【参考方案1】:如果您跳过分区。可以试试saveAsTable
:
spark.createDataFrame(sc.emptyRDD[Row], schema)
.write
.format("parquet")
//.partitionBy("age")
.saveAsTable("some_new_table")
Spark 分区和 Hive 分区不兼容,所以如果你想从 Hive 访问你必须使用 SQL:https://issues.apache.org/jira/browse/SPARK-14927
【讨论】:
以上是关于使用 API 而不是 SQL 从 Spark 创建 Hive 表?的主要内容,如果未能解决你的问题,请参考以下文章
Spark SQL - 使用 SQL 语句使用 JDBC 加载数据,而不是表名
《Spark Python API 官方文档中文版》 之 pyspark.sql