集群间 Hive 数据迁移问题

最新推荐文章于 2024-05-16 17:16:27 发布

原创最新推荐文章于 2024-05-16 17:16:27 发布 · 5.7k 阅读

2 ·

CC 4.0 BY-SA版权

Hive 专栏收录该内容

3 篇文章

订阅专栏

本文介绍如何使用Hive从一个集群导出数据到本地，并上传到另一个集群的HDFS上，最后导入到新的Hive表中。具体步骤包括：1) 使用特定语法从Hive表导出数据到本地目录；2) 将本地文件上传到目标HDFS路径；3) 调整字段分隔符并导入数据到Hive表。

1、从hive中导出数据至本地目录

insert overwrite local directory '/export/tmp' select * from test1 where create_time = '2013-11-25';

列数据之间默认以^A隔开。

2、将本地数据上传另一个集群的hdfs

/usr/local/hadoop-2.2.0/bin/hdfs dfs -put /export/tmp hdfs://host:port/tmp

3、将hdfs中的数据文件导入hive表中

hive -e "load data inpath '/tmp' into table test1;"

但某些表创建时，设置的以 '\t' 分割数据，在读取不到 '\t' 时，会将整行数据都导入第一列。

如果是hive-0.11.0版本，可以这样导出：

                hive> insert overwrite local directory '/export/tmp'
                hive> row format delimited
                hive> fields terminated by '\t'
                hive> select * from test1 where create_time = '2013-11-25';

         如果是低版本的hive,只好将导出的数据文件中的^A,替换为'\t':

               sed -i 's/^A/\t/g' filename

         同时需要将隐藏的.filename.crc校验文件删除掉，不然在上传的过程中，Hadoop将通过FSInputChecker判断需要上传的文件是否存在进行校验的crc文件，即.filename.crc，如果存在crc文件，将会对其内容一致性进行校验，如果校验 失败，会报fs.FSInputChecker: Found checksum error，停止上传该文件，最终导致整个MR任务无法执行。