我一直在尝试使用 hive 输出到 s3 。我在这方面取得了成功，但结果输出不是逗号分隔的，而是有一个分隔符，例如 ^A 我想。我还致力于使用 sqoop 将数据从 s3 导入和导出到 psql，但我无法在 hive 上执行此操作，即使我得到了解决方案也可以。
我试过的是
set hive.io.output.fileformat=CSVTextFile;
INSERT OVERWRITE DIRECTORY "s3n://akshayhazari/results" select * from books;
这是工作:
Total jobs = 3
Launching Job 1 out of 3
Number of reduce tasks is set to 0 since there's no reduce operator
Starting Job = job_1403776308919_0011, Tracking URL = http://localhost:8088/proxy/application_1403776308919_0011/
Kill Command = /usr/local/hadoop/bin/hadoop job -kill job_1403776308919_0011
Hadoop job information for Stage-1: number of mappers: 1; number of reducers: 0
2014-06-26 16:51:07,188 Stage-1 map = 0%, reduce = 0%
2014-06-26 16:51:29,868 Stage-1 map = 100%, reduce = 0%, Cumulative CPU 2.95 sec
MapReduce Total cumulative CPU time: 2 seconds 950 msec
Ended Job = job_1403776308919_0011
Stage-3 is selected by condition resolver.
Stage-2 is filtered out by condition resolver.
Stage-4 is filtered out by condition resolver.
Moving data to: s3n://akshayhazari/tmp/hive-hduser/hive_2014-06-26_16-50-41_646_3052840892739735120-1/-ext-10000
Moving data to: s3n://akshayhazari/results
MapReduce Jobs Launched:
Job 0: Map: 1 Cumulative CPU: 2.95 sec HDFS Read: 188 HDFS Write: 0 SUCCESS
Total MapReduce CPU Time Spent: 2 seconds 950 msec
OK
Time taken: 55.726 seconds
当我得到一个诸如 000000_0 之类的文件时，它是不可读的，但在下载它并将其转换为 txt 后给我 ^A 分隔 rune 件。我想直接将输出作为 csv 或 txt 文件并使用逗号或制表符分隔值。即使您能够使用 INSERT OVERWRITE DIRECTORY 语法在本地生成上述内容，它也会有很大帮助，因为我可以在 s3 上进行操作。
向原始问题添加细节(这只是一个添加的细节，但问题仍然相同):我认为我必须做的是在 s3 上生成 gzip 输出。同时尽量减少 s3 的使用。 hive 将其所有临时文件放在 S3 上的位置。所以为了优化使用，我这样做了。
hive> SET hive.exec.compress.output=true;
hive> SET io.seqfile.compression.type=BLOCK;
hive> SET mapred.output.compression.codec = org.apache.hadoop.io.compress.GzipCodec;
hive> Insert overwrite directory "Books" select * from books;
这是 hdfs 中的输出:
hduser@akshay:~$ hadoop fs -ls Books
Found 1 items
-rw-r--r-- 1 hduser supergroup 161 2014-06-27 11:45 Books/000000_0.gz
然后我会用它来向 s3 添加内容:
hadoop fs -cp Books/000000_0.gz s3n://akshayhazari/results
输出不是文本或 csv，是不可读的。甚至分隔符也是不可读的。在 Hive 中是否有解决此问题的方法，或者我是否必须创建一个脚本来修复文件和分隔符。
感谢任何帮助
最佳答案
根据您使用的 Hive 版本，您可以执行以下操作:
insert overwrite directory 's3n://akshayhazari/results'
row format delimited fields terminated by ','
select * from books;
我认为这是在 Hive 0.11 左右添加的。
编辑:原来以上仅适用于本地目录。
你当然也可以这样做:
create external table tmp_table(cols...)
location 's3n://akshayhazari/results'
row format delimited fields terminated by ',';
insert into tmp_table
select * from books;
drop table tmp_table;
要执行几乎相同的操作但不指定列，您可以执行以下操作:
create table tmp_table(cols...)
location 's3n://akshayhazari/results'
row format delimited fields terminated by ','
as
select * from books;
alter table tmp_table set tblproperties('EXTERNAL'='TRUE');
drop table tmp_table;
create-table-as-select 具有不能创建外部表的限制，但我认为您应该能够在事后将其标记为外部表，然后将其删除。
关于csv - 使用逗号分隔值和 .csv 或 .txt 文件格式将 Hive 输出到 s3。使用 sqoop 从 hive 导出到 s3 的替代方法也可以使用，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/24429563/
我正在学习如何使用Nokogiri，根据这段代码我遇到了一些问题:require'rubygems'require'mechanize'post_agent=WWW::Mechanize.newpost_page=post_agent.get('http://www.vbulletin.org/forum/showthread.php?t=230708')puts"\nabsolutepathwithtbodygivesnil"putspost_page.parser.xpath('/html/body/div/div/div/div/div/table/tbody/tr/td/div
总的来说，我对ruby还比较陌生，我正在为我正在创建的对象编写一些rspec测试用例。许多测试用例都非常基础，我只是想确保正确填充和返回值。我想知道是否有办法使用循环结构来执行此操作。不必为我要测试的每个方法都设置一个assertEquals。例如:describeitem,"TestingtheItem"doit"willhaveanullvaluetostart"doitem=Item.new#HereIcoulddotheitem.name.shouldbe_nil#thenIcoulddoitem.category.shouldbe_nilendend但我想要一些方法来使用
我有一个Ruby程序，它使用rubyzip压缩XML文件的目录树。gem。我的问题是文件开始变得很重，我想提高压缩级别，因为压缩时间不是问题。我在rubyzipdocumentation中找不到一种为创建的ZIP文件指定压缩级别的方法。有人知道如何更改此设置吗？是否有另一个允许指定压缩级别的Ruby库？ 最佳答案 这是我通过查看rubyzip内部创建的代码。level=Zlib::BEST_COMPRESSIONZip::ZipOutputStream.open(zip_file)do|zip|Dir.glob("**/*")d
类classAprivatedeffooputs:fooendpublicdefbarputs:barendprivatedefzimputs:zimendprotecteddefdibputs:dibendendA的实例a=A.new测试a.foorescueputs:faila.barrescueputs:faila.zimrescueputs:faila.dibrescueputs:faila.gazrescueputs:fail测试输出failbarfailfailfail.发送测试[:foo,:bar,:zim,:dib,:gaz].each{|m|a.send(m)resc
很好奇，就使用rubyonrails自动化单元测试而言，你们正在做什么？您是否创建了一个脚本来在cron中运行rake作业并将结果邮寄给您？git中的预提交Hook？只是手动调用？我完全理解测试，但想知道在错误发生之前捕获错误的最佳实践是什么。让我们理所当然地认为测试本身是完美无缺的，并且可以正常工作。下一步是什么以确保他们在正确的时间将可能有害的结果传达给您？ 最佳答案 不确定您到底想听什么，但是有几个级别的自动代码库控制:在处理某项功能时，您可以使用类似autotest的内容获得关于哪些有效，哪些无效的即时反馈。要确保您的提
假设我做了一个模块如下:m=Module.newdoclassCendend三个问题:除了对m的引用之外，还有什么方法可以访问C和m中的其他内容？我可以在创建匿名模块后为其命名吗(就像我输入“module...”一样)？如何在使用完匿名模块后将其删除，使其定义的常量不再存在？ 最佳答案 三个答案:是的，使用ObjectSpace.此代码使c引用你的类(class)C不引用m:c=nilObjectSpace.each_object{|obj|c=objif(Class===objandobj.name=~/::C$/)}当然这取决于
我正在尝试使用ruby和Savon来使用网络服务。测试服务为http://www.webservicex.net/WS/WSDetails.aspx?WSID=9&CATID=2require'rubygems'require'savon'client=Savon::Client.new"http://www.webservicex.net/stockquote.asmx?WSDL"client.get_quotedo|soap|soap.body={:symbol=>"AAPL"}end返回SOAP异常。检查soap信封，在我看来soap请求没有正确的命名空间。任何人都可以建议我
我正在尝试设置一个puppet节点，但rubygems似乎不正常。如果我通过它自己的二进制文件(/usr/lib/ruby/gems/1.8/gems/facter-1.5.8/bin/facter)在cli上运行facter，它工作正常，但如果我通过由rubygems(/usr/bin/facter)安装的二进制文件，它抛出:/usr/lib/ruby/1.8/facter/uptime.rb:11:undefinedmethod`get_uptime'forFacter::Util::Uptime:Module(NoMethodError)from/usr/lib/ruby
关闭。这个问题是opinion-based.它目前不接受答案。想要改进这个问题？更新问题，以便editingthispost可以用事实和引用来回答它.关闭4年前。Improvethisquestion我想在固定时间创建一系列低音和高音调的哔哔声。例如:在150毫秒时发出高音调的蜂鸣声在151毫秒时发出低音调的蜂鸣声200毫秒时发出低音调的蜂鸣声250毫秒的高音调蜂鸣声有没有办法在Ruby或Python中做到这一点？我真的不在乎输出编码是什么(.wav、.mp3、.ogg等等)，但我确实想创建一个输出文件。
我在我的项目目录中完成了compasscreate.和compassinitrails。几个问题:我已将我的.sass文件放在public/stylesheets中。这是放置它们的正确位置吗？当我运行compasswatch时，它不会自动编译这些.sass文件。我必须手动指定文件:compasswatchpublic/stylesheets/myfile.sass等。如何让它自动运行？文件ie.css、print.css和screen.css已放在stylesheets/compiled。如何在编译后不让它们重新出现的情况下删除它们？我自己编译的.sass文件编译成compiled/t