hadoop 从序列整体读出文件从hadoop导出数据

转载

mob64ca13f8eecb 2023-11-08 18:14:36

文章标签 hadoop 从序列整体读出文件大数据 hdfs Hive hive 文章分类 Hadoop 大数据

阅读目录

序
将查询的结果写入文件系统
集群数据迁移一
集群数据迁移二
系列索引

序

上一篇，我们介绍了Hive的数据多种方式导入，这样我们的Hive就有了数据来源了，但有时候我们可能需要纯粹的导出，或者集群Hive数据的迁移（不同集群，不同版本），我们就可以通过这两章的知识来实现。
　下面我们开始介绍hive的数据导出，以及集群Hive数据的迁移进行描述。

将查询的结果写入文件系统

一：说明
　　将上篇中从其他表导入语法进行简单的修改，就可以将查询的结果写入到文件系统。
二：语法：

Standard syntax:
INSERT OVERWRITE [LOCAL] DIRECTORY directory1
  [ROW FORMAT row_format] [STORED AS file_format] (Note: Only available starting with Hive 0.11.0)
  SELECT ... FROM ...
 
Hive extension (multiple inserts):
FROM from_statement
INSERT OVERWRITE [LOCAL] DIRECTORY directory1 select_statement1
[INSERT OVERWRITE [LOCAL] DIRECTORY directory2 select_statement2] ...
 
 
row_format
  : DELIMITED [FIELDS TERMINATED BY char [ESCAPED BY char]] [COLLECTION ITEMS TERMINATED BY char]
        [MAP KEYS TERMINATED BY char] [LINES TERMINATED BY char]
        [NULL DEFINED AS char] (Note: Only available starting with Hive 0.13)

三：写入到本地
　　如果使用LOCAL，则数据会写入到本地
四：写入到集群
　　如果不使用LOCAL,则数据会写到指定的HDFS中，如果没写全路径，则使用Hadoop的配置项fs.default.name （NameNode的URI）。
五：实战
　　修改tmp文件夹权限（这里只是测试，所以使用最大权限）

chmod 777 tmp

　　进入Hive

sudo -u hdfs hive

　　将上一篇中的score表数据导出到本地

insert overwrite local directory '/data/tmp/score' select * from score;

　　我们可以看到/data/tmp/score/目录下有文件。

cd /data/tmp/score ll

　　这样我们就把hive的数据导出到本地了。
　　下面我们使用不带local参数的命令，将hive表数据导到hdfs中

insert overwrite directory '/data/tmp/score' select * from score;

　　我们使用hdfs的ls命令查看

hadoop fs -ls /data/tmp/score

　　这里文件只有一个，和上面的不一样，但总的内容是一样的，上面同样的数据导出，有时候也只有一个文件。这里就不做考究了。

集群数据迁移一

一：介绍
　　在官网里，我们可以看到EXPORT和IMPORT，该功能从Hive0.8开始加入进来。
二：Export/Import
导出的元数据存储在目标目录，数据文件存储在子目录。
　　导入导出的源和目标的元数据存储DBMS可以是不同的关系型数据库。
三：Export语法

EXPORT TABLE tablename [PARTITION (part_column="value"[, ...])] TO 'export_target_path'

四：Import语法

IMPORT [[EXTERNAL] TABLE new_or_original_tablename [PARTITION (part_column="value"[, ...])]] FROM 'source_path' [LOCATION 'import_target_path']

五：官方例子
　　简单导入导出

export table department to 'hdfs_exports_location/department'; import from 'hdfs_exports_location/department';

　　改名导入导出

export table department to 'hdfs_exports_location/department'; import table imported_dept from 'hdfs_exports_location/department';

　　分区导出

export table employee partition (emp_country="in", emp_state="ka") to 'hdfs_exports_location/employee'; import from 'hdfs_exports_location/employee';

　　分区导入

export table employee to 'hdfs_exports_location/employee'; import table employee partition (emp_country="us", emp_state="tn") from 'hdfs_exports_location/employee';

　　指定导入位置

export table department to 'hdfs_exports_location/department'; import table department from 'hdfs_exports_location/department' location 'import_target_location/department';

　　作为外部表导入

export table department to 'hdfs_exports_location/department'; import external table department from 'hdfs_exports_location/department';

集群数据迁移二

一：介绍
　　虽然官方的Export/Import命令很强大，但在实际使用中，可能是版本的不同，会出现无法导入的情况，自己在这块也琢磨了下，总结出自己的一套带有分区的Hive表数据迁移方案，该方案在Cloudera和Hontorworks的集群中成功迁移过，Hive版本也不一致。
二：导出数据
　　由于Cloudera的发行版本CDH-5.3.3的Hive版本低于0.8所以用这个作为数据源。
　　创建带分区表score

create table score ( id int, studentid int, score double ) partitioned by (openingtime string);

　　根据上一篇中导入数据的方式导入7，8月数据

load data local inpath '/data/tmp/score_7.txt' overwrite into table score PARTITION (openingtime=201507);

　　参考我们上面的导出到本地还是放在/data/tmp/score下

insert overwrite local directory '/data/tmp/score' select * from score;

三：迁移数据
　　在另外一个集群新建/data/tmp目录

mkdir -p /data/tmp/score

　　拷贝数据

scp /data/tmp/score/* root@h188:/data/tmp/score/

　　查看

cd /data/tmp/score ll

四：创建分区表和没有分区的临时表
　　被导入的集群是Hortonworks的HDP-2.7.1发行版本。
　　分区表就是我们最终的目标表，没有分区的临时表时过度用的。
　　进入Hive

sudo -u hdfs hive

　　创建带分区的表

create table score ( id int, studentid int, score double ) partitioned by (openingtime string);

　　创建不带分区的临时表

create table score1( id int, studentid int, score double, openingtime string );

五：将数据导入临时表

load data local inpath '/data/tmp/score' into table score1;

　　我们查下导进来的数据

select * from score1;

六：从临时表导入到分区表

set hive.exec.dynamic.partition=true; set hive.exec.dynamic.partition.mode=nonstrict; set hive.exec.max.dynamic.partitions.pernode=10000; #导入 insert overwrite table score partition(openingtime) select * from score1;

查询

select * from score;

我们在hdfs中查看下hive的文件

hadoop fs -ls -R /apps/hive/warehouse/score

可以明显的看到根据openingtime分区了。
七：删除临时表

drop table score1

八：删除临时数据

rm -rf /data/tmp/score

这样我们的Hive集群数据迁移告一段落。

--------------------------------------------------------------------
　　到此，本章节的内容讲述完毕。