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; |
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
|
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
|
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