Nano Hash - криптовалюты, майнинг, программирование

Как проверить столбцы при добавлении раздела улья?

У меня есть таблица кустов, созданная следующим образом: CREATE EXTERNAL TABLE test_db.test( region STRING, start_date STRING ) PARTITIONED BY ( id STRING ) STORED AS PARQUET.

У меня есть скрипт для добавления файлов паркета следующим образом:

ALTER TABLE test_db.test ADD IF NOT EXISTS PARTITION ( id = 'abc' ) LOCATION 's3://location/to/file'

Этот сценарий принимает пользовательский ввод для определения местоположения файла паркета. Я хочу убедиться, что столбцы файла паркета соответствуют столбцам таблицы, но похоже, что оператор ADD PARTITION всегда работает, даже если столбцы неверны. Как я могу заставить куст проверять столбцы в ADD?

11.05.2018

Ответы:


1

Улей schema-on-read. Когда вы добавляете раздел с расположением файла данных, Hive просто регистрирует его в своем хранилище метаданных. На этом этапе проверка схемы фактических данных не выполняется. Это отличается от традиционных реляционных баз данных, которые применяют schema-on-write. Когда данные будут фактически прочитаны, Hive назначит схему базовым данным в соответствии с определением таблицы.

паркетные инструменты

Для проверки файла parquet вы можете использовать parquet-tools. Эту утилиту можно использовать для проверки схемы в файле parquet. Вы можете включить этот шаг в свой сценарий и добавить раздел только в том случае, если схема файла parquet соответствует определению таблицы Hive.

Вот пример использования версии 1.6.0:

а. Скачать банку:

http://central.maven.org/maven2/com/twitter/parquet-tools/1.6.0/parquet-tools-1.6.0.jar

б. Проверить схему

hadoop jar parquet-tools-1.6.0.jar schema /hdfs/path/to/file.parquet
11.05.2018
Новые материалы

Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..