Архив, архив. Hive имеет встроенную поддержку преобразования файлов в существующих разделах в архивы Hadoop (HAR), так что раздел, который когда-то состоял из 100 файлов, занимал только около 3 файлов (в зависимости от настройки).
Однако после архивирования его можно только запросить, а операции обновления и записи не поддерживаются.
set hive.archive.enabled=true;
set hive.archive.har.parentdir.settable=true;
set har.partfile.size=1099511627776;
#Архивируем определенный раздел таблицы
alter table test_rownumber2 archive partition(dt='20230324');
#Отменить
alter table test_rownumber2 unarchive partition(dt='20230324');
ссылка:https://www.docs4dev.com/docs/zh/apache-hive/3.1.1/reference/LanguageManual_Archiving.html
Для файлов orc вы можете использовать команду concatenate, поставляемую с hive, для автоматического объединения небольших файлов.
#Для несекционированных таблиц
alter table A concatenate;
#Для секционированных таблиц
alter table B partition(dt='2021-05-07',hr='12') concatenate;
Уведомление:
1. Команда объединения поддерживает только типы файлов RCFILE и ORC.
2. При использовании команды объединения для объединения небольших файлов вы не можете указать количество объединяемых файлов, но можете выполнить команду несколько раз.
3. При многократном использовании конкатенации количество файлов не меняется. Это связано с настройкой параметра mapreduce.input.fileinputformat.split.minsize=256mb, который может задавать минимальный размер каждого файла.
Используйте sql, вставьте перезапись для восстановления данных.
При создании промежуточной таблицы с исходной структурой таблицы данные затем импортируются из исходной таблицы в промежуточную таблицу. Убедившись в согласованности данных, переименуйте промежуточную таблицу в исходное имя таблицы, измените исходную таблицу на имя временной таблицы и, наконец, удалите временную таблицу.
#1. Создайте временную таблицу (при создании временной таблицы структура исходной таблицы должна быть согласованной),
create table test.test_table_hive_merge like test.test_table_hive;
#Если таблица хранится в cos или ofs, вам может потребоваться изменить путь хранения после создания таблицы. По умолчанию используется путь hdfs.
alter table test_table_hive_merge set location 'cosn://hadoop-test-cos-1251458/warehouse/test.db/test_table_hive_merge';
#2. Установите параметры сеанса, связанные с объединенными файлами.
set hive.exec.dynamic.partition=true;
set hive.exec.dynamic.partition.mode=nonstrict;
set hive.exec.max.dynamic.partitions=3000;
set hive.exec.max.dynamic.partitions.pernode=5000;
set hive.merge.mapfiles=true ;
set hive.merge.mapredfiles=true ;
set hive.merge.tezfiles=true ;
set hive.merge.sparkfiles=true ;
set hive.merge.smallfiles.avgsize=256000000;
set hive.merge.size.per.task=512000000;
#3. Объедините файлы во временную таблицу и убедитесь, что никакие данные не записаны в исходную таблицу перед выполнением.
#Если существует несколько уровней разделов, поместите имя раздела в раздел
INSERT OVERWRITE TABLE test.test_table_hive_merge partition(batch_date) SELECT * FROM test.test_table_hive;
#4. Проверьте объем данных исходной таблицы и временной таблицы.
set hive.compute.query.using.stats=false ;
set hive.fetch.task.conversion=none;
SELECT count(*) FROM test.test_table_hive;
SELECT count(*) FROM test.test_table_hive_merge;
#5. Убедившись в согласованности данных таблицы, измените имя исходной таблицы на временную, измените среднюю таблицу на исходное имя таблицы и используйте оператор alter.
alter table test.test_table_hive rename to test.test_table_hive_tmp;
alter table test.test_table_hive_merge rename to test.test_table_hive;
#6 Проверьте количество объединенных разделов и количество мелких файлов.
hdfs dfs -count cosn://hadoop-test-cos-1251458/warehouse/test.db/test_table_hive
hdfs dfs -du -h cosn://hadoop-test-cos-1251458/warehouse/test.db/test_table_hive/batch_date=20210608
hdfs dfs -du -h cosn://hadoop-test-cos-1251458/warehouse/test.db/test_table_hive/batch_date=20210608 | wc -l
#7. Понаблюдайте некоторое время, прежде чем удалять временную таблицу.
drop table test.test_table_hive_tmp ;
Примечание. При изменении имени таблицы куста изменится путь хранения соответствующей таблицы. Если есть задача по загрузке данных по определенному пути, обратите внимание, что его может потребоваться изменить.
Похожие скрипты:
#!/bin/bash
if [ ! -n "$1" ] ;then
echo "you have not input a file! The file content is the table name, default.test "
else
echo "the file you input is $1"
fi
hive=/usr/local/service/hive/bin/hive
#использоватьbeeline необходимо изменить адрес hs2
#hive=' /usr/local/service/hive/bin/beeline --showDbInPrompt=true -u "jdbc:hive2://10.0.0.30:7001" -n hadoop --outputformat=tsv2 --showHeader=false --silent=true '
#В основном передаваемые параметры
hive_sets=" set hive.exec.dynamic.partition=true; set hive.exec.dynamic.partition.mode=nonstrict; set hive.exec.max.dynamic.partitions=3000; set hive.exec.max.dynamic.partitions.pernode=5000; set hive.merge.mapfiles=true; set hive.merge.mapredfiles=true; set hive.merge.tezfiles=true; set hive.merge.sparkfiles=true; set hive.merge.smallfiles.avgsize=256000000; set hive.merge.size.per.task=512000000; "
#Файл временного хранения раздела
touch /tmp/partitions_tmp.txt ;
#Максимальная поддержка глубоких 4-уровневых разделов
funGetPart(){
pCount=$1 ;
tName=$2 ;
taHe=`$3 -n 1 /tmp/partitions_tmp.txt ` ;
if [ ${pCount} -eq 2 ];then
partition=$(echo ${taHe} | awk -F '=|/' '{print $1}')
elif [ ${pCount} -eq 4 ];then
partition=$(echo ${taHe} | awk -F '=|/' '{print $1","$3}')
elif [ ${pCount} -eq 6 ];then
partition=$(echo ${taHe} | awk -F '=|/' '{print $1","$3","$5}')
elif [ ${pCount} -eq 8 ];then
partition=$(echo ${taHe} | awk -F '=|/' '{print $1","$3","$5","$7}')
else
echo -e "\033[31m Parsing is not supported \n \033[0m"
exit -1 ;
fi
}
lineTables=$(cat $1)
for dataTab in ${lineTables}
do
#Определяем, ожидается ли имя таблицы. Имя библиотеки. Имя таблицы.
dataCount=` echo ${dataTab}| awk -F "." '{print NF}' `
if [ ${dataCount} -ne 2 ];then
echo -e "\033[31m The file content is incorrect!!! \033[0m"
echo -e "\033[31m For example: default.test \n \033[0m"
exit -1 ;
fi
#Определяем, является ли раздел таблицы нормальным
$hive -e "SHOW PARTITIONS ${dataTab} ; " > /tmp/partitions_tmp.txt
if [ ! -s /tmp/partitions_tmp.txt ];then
echo -e "\033[31m The table => ${dataTab} <= no partitione information \n \033[0m"
exit -1 ;
fi
##Сначала определите количество извлеченных двухрядных разделов
tpartCount=`(tail -n 1 /tmp/partitions_tmp.txt | awk -F '=|/' '{print NF}')`
hpartCount=`(head -n 1 /tmp/partitions_tmp.txt | awk -F '=|/' '{print NF}')`
if [ "${tpartCount}" = "" ] || [ "${hpartCount}" = "" ];then
echo -e "\033[31m The table => ${dataTab} <= no partitione information \n \033[0m"
exit -1 ;
fi
if [ ${tpartCount} -ne ${hpartCount} ];then
echo -e "\033[31m The table => ${dataTab} <= have different number of partitions \n \033[0m"
exit -1 ;
fi
## Затем оцените извлеченные 2 строки информации о разделах
funGetPart ${hpartCount} ${dataTab} head
hpartValue=${partition}
funGetPart ${tpartCount} ${dataTab} tail
tpartValue=${partition}
if [ "${hpartValue}" != "${tpartValue}" ];then
echo -e "\033[31m The table => ${dataTab} <= have different value of partitions \n \033[0m"
exit -1 ;
fi
echo "В настоящее время обрабатывается таблица: ${dataTab} , Раздел: ${tpartValue} "
echo -e "==> Create table : ${dataTab}_merge from: ${dataTab} \n "
#Если промежуточная таблица уже существует, выберите, продолжать ли выполнение. По умолчанию выполняется выход из выполнения.
#${hive} -e "create table if not exists ${dataTab}_merge like ${dataTab} ; "
${hive} -e "create table ${dataTab}_merge like ${dataTab} ; "
if [ $? -ne 0 ];then
echo -e "\033[31m ${dataTab}_merge Creat fail \n \033[0m" ;
exit -1 ;
fi
echo -e "==> Overwrite table : ${dataTab}_merge , partition: ${tpartValue} , from: ${dataTab} \n "
${hive} -e " ${hive_sets} INSERT OVERWRITE TABLE ${dataTab}_merge partition(${tpartValue}) SELECT * FROM ${dataTab} ; "
if [ $? -eq 0 ];then
echo -e "\033[32m ${dataTab}_merge Overwrite success \n \033[0m" ;
#Изменяем имя исходной таблицы на временную таблицу и заменяем промежуточную таблицу на имя исходной таблицы
echo -e "==> Rename ${dataTab} To ${dataTab}_tmp \n "
${hive} -e " alter table ${dataTab} rename to ${dataTab}_tmp ; "
echo -e "==> Rename ${dataTab}_merge To ${dataTab} \n "
${hive} -e " alter table ${dataTab}_merge rename to ${dataTab} ; "
echo -e "==> Имена таблиц, которые необходимо удалить позже: ${dataTab}_tmp ; drop table ${dataTab}_tmp \n ; "
else
echo -e "\033[31m => ${dataTab} <= merged fail \n \033[0m"
exit -1 ;
fi
sleep 1
done
wait
Для файлов в формате txt вы можете использовать Hadoop getmerge для объединения небольших файлов.
Используйте команду getmerge, чтобы сначала объединить данные локально, а затем загрузить их обратно через put.
hadoop fs -getmerge /user/hive/warehouse/xxxx.db/xxxx/pdate=20220815/* /home/hadoop/pdate/20220815
hadoop fs -rm /user/hive/warehouse/xxxx.db/xxxx/pdate=20220815/*
hadoop fs -mkdir -p /user/hive/warehouse/xxxx.db/xxxx/pdate=20220815
hadoop fs -put /home/hadoop/pdate/20220815 /user/hive/warehouse/xxxx.db/xxxx/pdate=20220815/*
Справочник по соответствующему сценарию
#!/bin/bash
if [ ! -n "$1" ] ;then
echo "you have not input a file!"
else
echo "the file you input is $1"
fi
lineurl=$(cat $1)
hadoop=/usr/local/service/hadoop/bin/hadoop
localbak=/home/hadoop/pdate
for line in $lineurl
do
echo «Текущая обработка: $line "
file_name=`echo $line | awk -F "=" '{print $NF}'`
table_name=`echo $line | awk -F "/" '{print $(NF-1)}'`
mkdir -p ${localbak}/${table_name}
echo "=> Getmerge data to ${localbak}/${table_name}/${file_name} "
${hadoop} fs -getmerge ${line}/* ${localbak}/${table_name}/${file_name}
echo "=> Rm ${line} "
${hadoop} fs -rm ${line}/*
${hadoop} fs -mkdir -p ${line}
echo "=> Put ${localbak}/${table_name}/${file_name} To ${line} "
${hadoop} fs -put ${localbak}/${table_name}/${file_name} ${line}/
${hadoop} fs -test -f ${line}/${file_name}
if [ $? -eq 0 ];then
echo -e "\033[32m $line merged success \n \033[0m"
else
echo -e "\033[31m $line merged fail \n \033[0m"
fi
sleep 1
done
wait
ссылка:
https://jishuin.proginn.com/p/763bfbd631ad
https://cloud.tencent.com/developer/article/1514064
https://developer.aliyun.com/article/952137
https://www.jianshu.com/p/e5e4fd4b039c