在本博客的《Hive几种数据导入方式》文章中,谈到了Hive中几种数据的导入方式,不同的数据导入方式用途不一样。今天我们再谈谈Hive中的几种不同的数据导出方式。可以根据导出的地方不一样,将这些方式分为三种:(1)、导出到本地文件系统;(2)、导出到HDFS中;(3)、导出到Hive的另一个表中。为了避免单纯的文字,我将一步一步地用命令进行说明。
一、导出到本地文件系统
2 |
hive> insert overwrite local directory '/home/wyp/wyp'
|
这条HQL的执行需要启用Mapreduce完成,运行完这条语句之后,将会在本地文件系统的/home/wyp/wyp目录下生成文件,这个文件是Reduce产生的结果(这里生成的文件名是000000_0),我们可以看看这个文件的内容:
1 |
[wyp @master ~/wyp]$ vim 000000_0
|
2 |
5 ^Awyp1^A23^A131212121212
|
3 |
6 ^Awyp2^A24^A134535353535
|
4 |
7 ^Awyp3^A25^A132453535353
|
5 |
8 ^Awyp4^A26^A154243434355
|
6 |
1 ^Awyp^A25^A13188888888888
|
7 |
2 ^Atest^A30^A13888888888888
|
可以看出,这就是wyp表中的所有数据。数据中的列与列之间的分隔符是^A(ascii码是\00001)。
和导入数据到Hive不一样,不能用insert into来将数据导出:
02 |
hive> insert into local directory '/home/wyp/wyp'
|
04 |
NoViableAltException( 79 @[])
|
05 |
at org.apache.hadoop.hive.ql.parse.HiveParser_SelectClauseParser.selectClause(HiveParser_SelectClauseParser.java: 683 )
|
06 |
at org.apache.hadoop.hive.ql.parse.HiveParser.selectClause(HiveParser.java: 30667 )
|
07 |
at org.apache.hadoop.hive.ql.parse.HiveParser.regular_body(HiveParser.java: 28421 )
|
08 |
at org.apache.hadoop.hive.ql.parse.HiveParser.queryStatement(HiveParser.java: 28306 )
|
09 |
at org.apache.hadoop.hive.ql.parse.HiveParser.queryStatementExpression(HiveParser.java: 28100 )
|
10 |
at org.apache.hadoop.hive.ql.parse.HiveParser.execStatement(HiveParser.java: 1213 )
|
11 |
at org.apache.hadoop.hive.ql.parse.HiveParser.statement(HiveParser.java: 928 )
|
12 |
at org.apache.hadoop.hive.ql.parse.ParseDriver.parse(ParseDriver.java: 190 )
|
13 |
at org.apache.hadoop.hive.ql.Driver.compile(Driver.java: 418 )
|
14 |
at org.apache.hadoop.hive.ql.Driver.compile(Driver.java: 337 )
|
15 |
at org.apache.hadoop.hive.ql.Driver.run(Driver.java: 902 )
|
16 |
at org.apache.hadoop.hive.cli.CliDriver.processLocalCmd(CliDriver.java: 259 )
|
17 |
at org.apache.hadoop.hive.cli.CliDriver.processCmd(CliDriver.java: 216 )
|
18 |
at org.apache.hadoop.hive.cli.CliDriver.processLine(CliDriver.java: 413 )
|
19 |
at org.apache.hadoop.hive.cli.CliDriver.run(CliDriver.java: 756 )
|
20 |
at org.apache.hadoop.hive.cli.CliDriver.main(CliDriver.java: 614 )
|
21 |
at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
|
22 |
at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java: 39 )
|
23 |
at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java: 25 )
|
24 |
at java.lang.reflect.Method.invoke(Method.java: 597 )
|
25 |
at org.apache.hadoop.util.RunJar.main(RunJar.java: 212 )
|
26 |
FAILED: ParseException line 1 : 12 missing TABLE at 'local' near 'local' in select clause
|
27 |
line 1 : 18 cannot recognize input near 'directory' '' /home/wyp/wyp '' 'select' in select clause
|
二、导出到HDFS中
和导入数据到本地文件系统一样的简单,可以用下面的语句实现:
2 |
hive> insert overwrite directory '/home/wyp/hdfs'
|
将会在HDFS的/home/wyp/hdfs目录下保存导出来的数据。注意,和导出文件到本地文件系统的HQL少一个local,数据的存放路径就不一样了。
三、导出到Hive的另一个表中
其实这个在《Hive几种数据导入方式》文中就用到了,这也是Hive的数据导入方式,如下操作:
02 |
hive> insert into table test |
03 |
> partition (age= '25' )
|
04 |
> select id, name, tel
|
06 |
##################################################################### |
07 |
这里输出了一堆Mapreduce任务信息,这里省略
|
08 |
##################################################################### |
09 |
Total MapReduce CPU Time Spent: 1 seconds 310 msec
|
11 |
Time taken: 19.125 seconds
|
13 |
hive> select * from test; |
15 |
5 wyp1 131212121212 25
|
16 |
6 wyp2 134535353535 25
|
17 |
7 wyp3 132453535353 25
|
18 |
8 wyp4 154243434355 25
|
19 |
1 wyp 13188888888888 25
|
20 |
2 test 13888888888888 25
|
22 |
Time taken: 0.126 seconds, Fetched: 7 row(s)
|
细心的读者可能会问,怎么导入数据到文件中,数据的列之间为什么不是wyp表设定的列分隔符呢?其实在Hive 0.11.0版本之间,数据的导出是不能指定列之间的分隔符的,只能用默认的列分隔符,也就是上面的^A来分割,这样导出来的数据很不直观,看起来很不方便!
如果你用的Hive版本是0.11.0,那么你可以在导出数据的时候来指定列之间的分隔符(可以参见本博客的
《Hive0.11查询结果保存到文件并指定列之间的分隔符》),操作如下:
01 |
hive> insert overwrite local directory '/home/yangping.wu/local'
|
02 |
> row format delimited
|
03 |
> fields terminated by '\t'
|
06 |
[wyp @master ~/local]$ vim 000000_0
|
07 |
5 wyp1 23 131212121212
|
08 |
6 wyp2 24 134535353535
|
09 |
7 wyp3 25 132453535353
|
10 |
8 wyp4 26 154243434355
|
11 |
1 wyp 25 13188888888888
|
12 |
2 test 30 13888888888888
|
这个很不错吧!
其实,我们还可以用hive的-e和-f参数来导出数据。其中-e 表示后面直接接带双引号的sql语句;而-f是接一个文件,文件的内容为一个sql语句,如下:
02 |
[wyp @master ~/local]$ hive -e "select * from wyp" >> local/wyp.txt
|
03 |
[wyp @master ~/local]$ cat wyp.txt
|
04 |
5 wyp1 23 131212121212
|
05 |
6 wyp2 24 134535353535
|
06 |
7 wyp3 25 132453535353
|
07 |
8 wyp4 26 154243434355
|
08 |
1 wyp 25 13188888888888
|
09 |
2 test 30 13888888888888
|
得到的结果也是用\t分割的。也可以用-f参数实现:
2 |
[wyp @master ~/local]$ cat wyp.sql
|
4 |
[wyp @master ~/local]$ hive -f wyp.sql >> local/wyp2.txt
|
上述语句得到的结果也是\t分割的。
本博客文章除特别声明,全部都是原创!
尊重原创,转载请注明: 转载自过往记忆(http://www.iteblog.com/)
本文链接地址: 《Hive几种数据导出方式》(http://www.iteblog.com/archives/955)
转:
原文地址:http://www.iteblog.com/archives/955
分享到:
相关推荐
Hive几种数据导出方式,总结的几种方式希望能帮到大家
hive数据加载的几种方式、数据的导出、数据简单查询
Ambari搭建hadoop环境下,hive的数据导入
支持hive 源数据、表结构导出
hive造数据
《Hive数据仓库案例教程》教学课件 第5章 Hive数据操作.pdf《Hive数据仓库案例教程》教学课件 第5章 Hive数据操作.pdf《Hive数据仓库案例教程》教学课件 第5章 Hive数据操作.pdf《Hive数据仓库案例教程》教学课件 第...
Hive.sql
datax数据从hive表导入mysql表,数据缺失解决
1.将Mysql中的数据迁移到Hdfs文件系统中,然后通过Hive加载HDFS文件系统中的数据值 2.将Hive中的数据迁移到指定Mysql数据库中 注意点: 1.数据迁移的过程中,由于hive的Null值存储为"\N",Mysql存储为NULL值,二者...
hive的表数据,可以到我的博客,有建表语句,我的链接是 https://blog.csdn.net/qq_43662627/article/details/121033176
通过shell脚本,批量把一个库下面的表结构全部导出,在开发环境执行过。
五种常见数据库(oracle,teradata,gbase,hive,db2),通过指令的方式导出csv格式文件的总结,实例.例如spool,select.. into outfile,export .... of del,fastExport.
利用Hive进行复杂用户行为大数据分析及优化案例(全套视频+课件...14_Hive中的数据倾斜及解决方案-三种join方式 15_Hive中的数据倾斜及解决方案-group by 16_Hive中使用正则加载数据 17_Hive中使用Python脚本进行预处理
hadoop hive可用的数据连接jar包,hadoop hive可用的数据连接jar包
HIVE实战测试数据HIVE实战测试数据HIVE实战测试数据HIVE实战测试数据
林子雨Hive数据集下载
(3)sqoop数据迁移,完成HIve与MySQL数据库中的数据交互 (4)Echarts搭建动态可视化大屏 (5)SpringBoot搭建可视化后台系统,完成前端与后台的数据传递与交互。 (6)基于Cenots7 搭建虚拟机,配置Hadoop、HDFS、...
所以需要钉钉报警校验ElasticSearch和Hive数据仓库内的数据质量,注意,这个项目打包后,最好另起一个进程调用,并且开始时间为文章1或者2最大预估的结束时间后的10分钟后调用,这样可以校验两种情形: 1.ETL项目被...
实现elasticsearch与hive数据互通 环境 实验性单节点集群 vagrant.linux16.4.4(无doctor) hive2.3.3+beeline es6.2.2 kibana6.2.2 elasticsearch-hadoop-6.2.2.jar 没有doctor
基于hadoop的,java实现hive快速导数据到Hbase解决方案。