Spark分区：创建RDD分区，但不创建Hive分区

问题描述：

这是Save Spark dataframe as dynamic partitioned table in Hive的后续操作。我试图在答案中使用建议，但无法使其在Spark 1.6.1中工作。Spark分区：创建RDD分区，但不创建Hive分区

我试图从`DataFrame以编程方式创建分区。下面是相关代码（改编自火花试验）：

hc.setConf("hive.metastore.warehouse.dir", "tmp/tests") 
// hc.setConf("hive.exec.dynamic.partition", "true") 
// hc.setConf("hive.exec.dynamic.partition.mode", "nonstrict") 
hc.sql("create database if not exists tmp") 
hc.sql("drop table if exists tmp.partitiontest1") 

Seq(2012 -> "a").toDF("year", "val") 
    .write 
    .partitionBy("year") 
    .mode(SaveMode.Append) 
    .saveAsTable("tmp.partitiontest1") 
hc.sql("show partitions tmp.partitiontest1").show

完整的文件是在这里：https://gist.github.com/SashaOv/7c65f03a51c7e8f9c9e018cd42aa4c4a

分区文件被创建优良的文件系统上，但蜂巢抱怨说，表未分区：

====================== 
HIVE FAILURE OUTPUT 
====================== 
SET hive.support.sql11.reserved.keywords=false 
SET hive.metastore.warehouse.dir=tmp/tests 
OK 
OK 
FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.DDLTask. Table tmp.partitiontest1 is not a partitioned table 
======================

看起来像根本原因是org.apache.spark.sql.hive.HiveMetastoreCatalog.newSparkSQLSpecificMetastoreTable始终创建带有空分区的表。

任何有助于推动这一进步的赞赏。

编辑：也创造SPARK-14927

答

我发现了一个解决办法：用它，如果你预先创建表，然后saveAsTable（）就不会乱。所以下面的工作：

hc.setConf("hive.metastore.warehouse.dir", "tmp/tests") 
// hc.setConf("hive.exec.dynamic.partition", "true") 
// hc.setConf("hive.exec.dynamic.partition.mode", "nonstrict") 
hc.sql("create database if not exists tmp") 
hc.sql("drop table if exists tmp.partitiontest1") 

// Added line: 
hc.sql("create table tmp.partitiontest1(val string) partitioned by (year int)") 


Seq(2012 -> "a").toDF("year", "val") 
    .write 
    .partitionBy("year") 
    .mode(SaveMode.Append) 
    .saveAsTable("tmp.partitiontest1") 
hc.sql("show partitions tmp.partitiontest1").show

此解决方案在1.6.1工作，但不是在1.5.1

Spark分区：创建RDD分区，但不创建Hive分区

相关推荐