我将数据以.tsv格式存入HFDS。我需要将它们加载到Hive表中。我需要一些帮助。HDFS中的数据是这样的:/ad_data/raw/reg_logs/utc_date=2014-06-11/utc_hour=03注意:数据每天和每小时加载到HDFS目录/ad_data/raw/reg_logs。此HDFS目录中有3个.tsv文件:funel1.tsvfunel2.tsvfunel3.tsv每个.tsv文件都有3列，由制表符分隔，数据如下:2344-392232344-234432394-43982377-1233......我想创建一个包含3列idint、region_codein
我对Hadoop非常陌生，在过去的几天里，我一直在努力掌握它。我一直在阅读TomWhite的“Hadoop:权威指南”并浏览HortonWorks上的各种教程。我还在本地VM上设置了一个沙盒来玩。基本上我们将在系统上有一个目录，文件将被转储到该目录。每当一个文件被放置在这个目录中时，它应该被远程移动/复制到我们的HDFS中。这听起来应该是一个常见的用例，但我似乎找不到关于此类事情的太多信息。我简要地研究了Oozie和Falcon，因为它们似乎是工作流工具/管理系统。但我真的找不到能做我想做的事情。我宁愿使用内置于Hadoop或通常配置的东西，然后使用我自己的文件观察器或服务来完成它。我
我在hdfs中有以下文件hdfs://localhost.localdomain:8020/user/cloudera/direccionbikes.out我在node.js中写了一个进程，我需要删除这个文件。我使用apiwebhdfs。我在这个程序中使用了createReadStream和createWriteStream。但是我不知道如何从node.js中删除这个文件我在哪里可以看到关于这个问题的信息(webhdfs) 最佳答案 您可以在此处阅读有关API的信息-https://hadoop.apache.org/docs/r1
在HDFSFederation中，我了解到每个拥有一个namespace的namenode都需要一个namenode作为standbynamenode。这意味着如果我有10个名称节点，那么我应该有10个备用名称节点。是否有可能有一个额外的名称节点作为所有名称节点的备用名称节点，以便如果其中一个名称节点出现故障，那么备用名称节点将成为事件名称节点，就像在RAID5中使用的一个额外硬盘的情况一样 最佳答案 不，这是不可能的，因为HDFS联合中的每个名称节点都将具有单独的namespace，并且每个namespace都需要单独且单独的备用
我正在使用clouderaCDH5，并且需要使用flume将数据从大型机文件提取到hadoophdfs。有人可以帮助我需要注意哪些步骤.. 最佳答案 您确定需要Flume吗？Sqoop1.4.5现在有一个大型机连接器，可能更适合开箱即用。 关于hadoop-如何使用水槽从大型机文件中提取数据到hadoopHDFS，我们在StackOverflow上找到一个类似的问题： https://stackoverflow.com/questions/26626052/
我有一个所有json文件都存在的假脱机目录，传入的文件将每秒添加到此目录中，我必须反序列化传入的json文件并获取需要的字段并将其附加到HDFS目录中。我所做的是创建了一个flumeconf文件，其中将假脱机目录中的文件作为源，并使用1个Sink将json文件直接放入HDFS。我必须在Sink之前将这个json做成结构格式，然后放到HDFS中。最重要的是，它不是推特数据。而且我必须实现纯粹的Flume。我使用下面的水槽配置来完成工作:agent_slave_1.channels.fileChannel1_1.type=fileagent_slave_1.channels.fileCha
我正在尝试将大数据加载到HIVE中的动态分区表中。我一直收到这个错误。如果我在没有分区的情况下加载数据，它工作正常。如果我使用较小的数据集(带分区)，它也能正常工作。但是对于大型数据集，我开始收到此错误错误:2014-11-1009:28:01,112ERRORorg.apache.hadoop.hdfs.DFSClient:Failedtoclosefile/tmp/hive-username/hive_2014-11-10_09-25-26_785_2042278847834453465/_task_tmp.-ext-10002/pseudo_element_id=NN%09/_t
我在我的机器上使用伪分布模式设置并在我的eclipseIDE中创建了以下程序:这个程序只是将输入文件合并到HDFS中的单个文件。importjava.io.IOException;importorg.apache.hadoop.conf.Configuration;importorg.apache.hadoop.fs.FSDataInputStream;importorg.apache.hadoop.fs.FSDataOutputStream;importorg.apache.hadoop.fs.FileStatus;importorg.apache.hadoop.fs.FileSys
我有一个HDFS目录，其中的文件将从许多来源连续复制(流式传输)。如何构建用于监控HDFS目录的拓扑结构，即无论何时在该目录中创建新文件，都应该对其进行处理。 最佳答案 您希望监控HDFS文件/目录更改。看看这个问题，它指向Oozie和HBase中的现有支持:HowtoknowthatanewdataisbeenaddedtoHDFS?当这些工具检测到新文件时，您可以将项目发送到拓扑中进行处理。或者你可以在storm中编写自己的自定义逻辑，定期列出并检查是否有新文件添加到HDFS中。查看Storm中的刻度元组支持。
假设我想存储大量带有相关元数据的urlURL=>Metadata在文件中hdfs://db/urls.seq我希望这个文件在每次运行MapReduce后增长(如果找到新的URL)。这可以与Hadoop一起使用吗？据我了解，MapReduce将数据输出到新目录。有没有办法获取该输出并将其附加到文件中？我想到的唯一想法是创建一个临时的urls.seq然后替换旧的。它有效，但感觉很浪费。另外，根据我的理解，Hadoop喜欢“一次编写”的方法，而这个想法似乎与此冲突。 最佳答案 作为blackSmith已经解释说你可以很容易地在hdfs中附
