Hive ładuje plik CSV z przecinkami w cytowanych polach
Próbuję załadować plik CSV do tabeli Hive TAK:
CREATE TABLE mytable
(
num1 INT,
text1 STRING,
num2 INT,
text2 STRING
)
ROW FORMAT DELIMITED FIELDS TERMINATED BY ",";
LOAD DATA LOCAL INPATH '/data.csv'
OVERWRITE INTO TABLE mytable;
Plik csv jest oddzielony przecinkiem (,) i wygląda następująco:
1, "some text, with comma in it", 123, "more text"
Zwróci uszkodzone dane, ponieważ w pierwszym łańcuchu jest','.
Czy istnieje sposób na ustawienie ogranicznika tekstu lub aby Hive ignorował', ' w łańcuchach?
Nie mogę zmienić ogranicznika pliku csv, ponieważ pobiera się go z zewnętrznego źródła.
5 answers
Problem polega na tym, że Hive
nie obsługuje cytowanych tekstów. Albo musisz wstępnie przetworzyć dane, zmieniając ogranicznik między polami (np.: z zadaniem strumieniowania Hadoop), albo możesz spróbować użyć niestandardowego serwera CSV, który używa OpenCSV do parsowania plików.
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2012-11-29 16:52:44
Jeśli możesz ponownie utworzyć lub przetworzyć dane wejściowe, możesz określić znak specjalny dla tabeli CREATE:
ROW FORMAT DELIMITED FIELDS TERMINATED BY "," ESCAPED BY '\\';
Przyjmie tę linię jako 4 pola
1,some text\, with comma in it,123,more text
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2012-11-30 13:59:11
W przeciwieństwie do wersji 1.1, CSV SerDe jest standardową częścią instalacji Hive.]}
ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.OpenCSVSerde'
(Zobacz: https://cwiki.apache.org/confluence/display/Hive/CSV + Serde )
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2016-02-11 03:16:21
Zachowaj ogranicznik w pojedynczych cudzysłowach, to będzie działać.
ROW FORMAT DELIMITED
FIELDS TERMINATED BY ','
LINES TERMINATED BY '\n';
To zadziała
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2016-08-09 19:23:11
Dodaj ukośnik wsteczny w polach zakończonych'\; '
Na Przykład:
CREATE TABLE demo_table_1_csv
COMMENT 'my_csv_table 1'
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '\;'
LINES TERMINATED BY '\n'
STORED AS TEXTFILE
LOCATION 'your_hdfs_path'
AS
select a.tran_uuid,a.cust_id,a.risk_flag,a.lookback_start_date,a.lookback_end_date,b.scn_name,b.alerted_risk_category,
CASE WHEN (b.activity_id is not null ) THEN 1 ELSE 0 END as Alert_Flag
FROM scn1_rcc1_agg as a LEFT OUTER JOIN scenario_activity_alert as b ON a.tran_uuid = b.activity_id;
Przetestowałem to i zadziałało.Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2017-09-14 14:54:07