需要帮助!!!

我正在使用 flume 将 Twitter 提要流式传输到 hdfs 中并将其加载到 hive 中进行分析。

步骤如下:

hdfs 中的数据:

我已经描述了 avro schema在avsc文件并将其放入 hadoop 中:

 {"type":"record",
 "name":"Doc",
 "doc":"adoc",
 "fields":[{"name":"id","type":"string"},
       {"name":"user_friends_count","type":["int","null"]},
       {"name":"user_location","type":["string","null"]},
       {"name":"user_description","type":["string","null"]},
       {"name":"user_statuses_count","type":["int","null"]},
       {"name":"user_followers_count","type":["int","null"]},
       {"name":"user_name","type":["string","null"]},
       {"name":"user_screen_name","type":["string","null"]},
       {"name":"created_at","type":["string","null"]},
       {"name":"text","type":["string","null"]},
       {"name":"retweet_count","type":["boolean","null"]},
       {"name":"retweeted","type":["boolean","null"]},
       {"name":"in_reply_to_user_id","type":["long","null"]},
       {"name":"source","type":["string","null"]},
       {"name":"in_reply_to_status_id","type":["long","null"]},
       {"name":"media_url_https","type":["string","null"]},
       {"name":"expanded_url","type":["string","null"]}]}

我已经编写了一个 .hql 文件来创建一个表并在其中加载数据:

 create table tweetsavro
    row format serde
        'org.apache.hadoop.hive.serde2.avro.AvroSerDe'
    stored as inputformat
        'org.apache.hadoop.hive.ql.io.avro.AvroContainerInputFormat'
    outputformat
        'org.apache.hadoop.hive.ql.io.avro.AvroContainerOutputFormat'
    tblproperties ('avro.schema.url'='hdfs:///avro_schema/AvroSchemaFile.avsc');

    load data inpath '/test/twitter_data/FlumeData.*' overwrite into table tweetsavro;

我已经成功运行了 .hql 文件，但是当我运行 select *from <tablename> 时配置单元中的命令显示以下错误:

error

tweetsavro 的输出是:

hive> desc tweetsavro;
OK
id                      string                                      
user_friends_count      int                                         
user_location           string                                      
user_description        string                                      
user_statuses_count     int                                         
user_followers_count    int                                         
user_name               string                                      
user_screen_name        string                                      
created_at              string                                      
text                    string                                      
retweet_count           boolean                                     
retweeted               boolean                                     
in_reply_to_user_id     bigint                                      
source                  string                                      
in_reply_to_status_id   bigint                                      
media_url_https         string                                      
expanded_url            string                                      
Time taken: 0.697 seconds, Fetched: 17 row(s)

最佳答案

我遇到了完全相同的问题。该问题存在于时间戳字段(在您的案例中为“created_at”列)，我试图将其作为字符串插入到我的新表中。我的假设是这些数据在我的源代码中将采用 [ "null","string"] 格式。我分析了从 sqoop import --as-avrodatafile 过程中生成的源 avro 模式。从导入生成的 avro 模式具有以下时间戳列的签名。
{ “名称”:“订单日期”， “类型”:[“空”，“长”]， “默认”:空， “列名”:“订单日期”， “sqlType”:“93” },

SqlType 93 代表时间戳数据类型。因此，在我的目标表 Avro 模式文件中，我将数据类型更改为“长”，这解决了问题。我的猜测可能是您的其中一列中的数据类型不匹配。

关于java - 失败，异常 java.io.IOException :org. apache.avro.AvroTypeException : Found long, 期望在配置单元中联合，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/35480155/