今天幫一同學導入一個excel數(shù)據(jù)，我把excel保存為txt格式，然后建表導入，失敗！分隔符格式不匹配，無法導入！?。?！怎么看兩邊都是\t，怎么不匹配呢？
做為程序員，最不怕的就是失敗，因為我們有一顆勇敢的心！再來！又特么失敗。。。
想了好久，看看了看我的表格式，我犯了一個好低級的錯誤：
hive表的存儲格式設(shè)置為了orcfile!!!
眾所周知：orcfile為壓縮格式，可以節(jié)約大量存儲空間，但orc還有個特點就是不能直接load數(shù)據(jù)！要想load數(shù)據(jù)，我們要建一個存儲格式為textfile的中間表，然后再把數(shù)據(jù)抽取過去。因為這個錯誤太簡單，網(wǎng)上有相關(guān)科普，因此很少有把它當錯誤寫出來。遇到問題的朋友們可能要走些彎路，我來補個漏~~~~~~
舉個栗子：
1.首先，導出excel表格為txt格式，（這個過程不再贅述，網(wǎng)上教程一大把）。
123,小明,666,1990-09-23 12:00:18
256,小伙,555,1989-10-06 03:57:32
142,小蘭,444,1992-07-04 05:05:45
2.在hive中創(chuàng)建表模型：
CREATE TABLE IF NOT EXISTS STUDENTS
(
ID INT COMMENT'學生',
SNAME STRING COMMENT '姓名',
SCORE INT COMMENT '得分',
STIME STRING COMMENT '考試時間'
)
ROW FORMAT DELIMITED FIELDS TERMINATED BY ','
STORED AS ORCFILE;
3.創(chuàng)建臨時表（中間表）：
CREATE TABLE IF NOT EXISTS STUDENTS_TMP
(
ID INT COMMENT'學生',
SNAME STRING COMMENT '姓名',
SCORE INT COMMENT '得分',
STIME STRING COMMENT '考試時間'
)
ROW FORMAT DELIMITED FIELDS TERMINATED BY ','
STORED AS TEXTFILE;
與目標表只有名稱和存儲格式不同，其他都相同。
4.load 數(shù)據(jù)到臨時表：
load data local inpath '/export/data/1.txt' into table students_tmp;
5.將數(shù)據(jù)導入目標表：
insert overwrite table students select * from students_tmp;
6.然后查看表數(shù)據(jù)，大功造成：
hive > select * from students;
OK
123 小明 666 1990-09-23 12:00:18
256 小伙 555 1989-10-06 03:57:32
142 小蘭 444 1992-07-04 05:05:45
Time taken: 0.26 seconds, Fetched: 3 row(s)
其他存儲格式如 SEQUENCEFILE、PARQUET 等，也要選存儲為textfile格式，然后抽入目標表。
一定要按照導出格式的分隔符建表，不然load數(shù)據(jù)必然出錯或全是null;
excel導出格式：
格式 分隔符 中文名稱
text \t 制表符
csv , 逗號
7.還要注意一點是我們從excel導出的文件格式是gb2312 （無論是txt還是csv都是這個格式，都需要轉(zhuǎn)碼），我們需要把它轉(zhuǎn)成utf-8才能Load。
所以在load之前，我們一般會采取兩種辦法：
1. 在文本編輯器中進行轉(zhuǎn)碼，帶不帶bom關(guān)系不大，然后上傳;
2.在文件所在本地目錄下執(zhí)行以下命令轉(zhuǎn)碼：
piconv -f gb2312 -t UTF-8 1.txt > 2.txt
注意，在本地目錄下命令轉(zhuǎn)碼會改變文件名，因為此命令會把所文件寫入到另一個文件，并清空原文件內(nèi)容，如果我們不改名，文件內(nèi)容會完全丟失。所以，我們Load的時候一定要選擇修改后的文件名哦。
示例：
轉(zhuǎn)碼前數(shù)據(jù)：
hive> select * from students;
OK
112 �� 35 2017/8/19 15:30
113 ���� 45
114 ³�� 55 2017/8/21 15:30
115 ���� NULL
116 ������ 75 2017/8/23 15:30
117 ������ 85 2017/8/24 15:30
118 �˽� NULL 2017/8/25 15:30
119 ������ 90
120 СѾ NULL 2017/8/27 15:30
121 ���� 80 2017/8/28 15:30
122 ��߸ 75
123 ��«�� 70 2017/8/30 15:30
124 ���� NULL 2017/8/31 15:30
125 �繤 NULL
126 �嶠 NULL 2017/9/2 15:30
127 ˾�� 50 2017/9/3 15:30
128 ������ 58 2017/9/4 15:30
129 ���� 66 2017/9/5 15:30
Time taken: 0.134 seconds, Fetched: 18 row(s)
去所在目錄下轉(zhuǎn)碼，再Load
piconv -f gb2312 -t UTF-8 2.csv > 3.csv
# 在hive中選擇正確的文件Load:
hive> load data local inpath '/export/data/3.csv' into table students;
結(jié)果：
hive> select * from students;
OK
112 小寶 35 2017/8/19 15:30
113 王明 45
114 魯班 55 2017/8/21 15:30
115 苗苗 NULL
116 少林寺 75 2017/8/23 15:30
117 體育界 85 2017/8/24 15:30
118 八戒 NULL 2017/8/25 15:30
119 周芷若 90
120 小丫 NULL 2017/8/27 15:30
121 海寶 80 2017/8/28 15:30
122 哪吒 75
123 葫蘆娃 70 2017/8/30 15:30
124 丹楓 NULL 2017/8/31 15:30
125 電工 NULL
126 村長 NULL 2017/9/2 15:30
127 司機 50 2017/9/3 15:30
128 王世間 58 2017/9/4 15:30
129 松鼠 66 2017/9/5 15:30
Time taken: 0.106 seconds, Fetched: 18 row(s)
補充：hive導入數(shù)據(jù)出現(xiàn)NULL
在把hdfs上數(shù)據(jù)遷移到hive中的表時，若出現(xiàn)數(shù)據(jù)位NULL，是因為沒有指定列分隔符。
由于hive默認的分隔符是/u0001（Ctrl+A）,為了平滑遷移，需要在創(chuàng)建表格時指定數(shù)據(jù)的分割符號，語法如下：
hive (default)> create external table et (time BIGINT, userid string, content string, urlrank int, urlnum int, url string)
> partitioned by (filenum int)
> row format delimited fields terminated by '\t';
上面創(chuàng)建的是外部表，“導入”數(shù)據(jù)時可以用load，但若不想進行移動數(shù)據(jù)，就用命令alter來進行指向：
alter table et add partition (filenum=1) location '/input/SogouQueryLog/file1';
注意location后面跟的地址必須是個目錄，若不是，可以用hdfs fs -mv src dest 進行移動數(shù)據(jù)：
hadoop fs -mv /input/SogouQueryLog/querylog_1 /input/SogouQueryLog/file1
以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。如有錯誤或未考慮完全的地方，望不吝賜教。
您可能感興趣的文章:- 在python中使用pyspark讀寫Hive數(shù)據(jù)操作
- 使用Python構(gòu)造hive insert語句說明
- python3.6.5基于kerberos認證的hive和hdfs連接調(diào)用方式
- python 實現(xiàn) hive中類似 lateral view explode的功能示例
- Python pandas 列轉(zhuǎn)行操作詳解(類似hive中explode方法)
