草庐IT

csv - 如何将具有不同分隔符的 CSV 加载到单个 Hadoop 表

coder 2024-01-09 原文

我想用多个 CSV 文件填充一个 Hive 表。问题是并非所有文件都具有相同的分隔符。在创建表格时，我只能指定一个分隔符，例如~

create table status (type string, ...) 
ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.OpenCSVSerde'
with serdeproperties ("separatorChar" = "~")
STORED AS TEXTFILE

Hive 是否有允许多个 CSV 分隔符的内置功能？我知道这些文件可以在加载之前由 Hadoop 作业标准化或基于 https://stackoverflow.com/a/26356592/2207078我可以使用 pig 来做到这一点，但我正在寻找一些内置功能。理想情况下，我想创建没有指定分隔符的状态表，并指示 Hive 在加载时如何分隔列。

最佳答案

演示

数据文件

逗号.txt

|Now|,I've,heard,there,was
a,secret,chord;,That,David 
played,||and||,it,,pleased
the,,,Lord;,

分号.txt

But;;you;don't;really 
|care|;for;music;do;||||| you |||||?

管道.txt

,It,|,goes,|,like,|,this,|,the, 
fourth|the|fifth|The|;minor n
fall|the|;major|lift|The
baffled|king||composing|hallelujah

DDL

create external table mytable 
(c1 string,c2 string,c3 string,c4 string,c5 string)
partitioned by (delim string)
;

alter table mytable set serdeproperties ('field.delim'=',');
alter table mytable add partition (delim='comma');  

alter table mytable set serdeproperties ('field.delim'=';');
alter table mytable add partition (delim='semicolon');

alter table mytable set serdeproperties ('field.delim'='|');
alter table mytable add partition (delim='pipeline');

将文件放在它们匹配的目录中

mytable
├── delim=comma
│   └── comma.txt
├── delim=pipeline
│   └── pipeline.txt
└── delim=semicolon
    └── semicolon.txt

select * from mytable
;

+---------+---------+--------+-----------+------------------+-----------+
|   c1    |   c2    |   c3   |    c4     |        c5        |   delim   |
+---------+---------+--------+-----------+------------------+-----------+
| |Now|   | I've    | heard  | there     | was              | comma     |
| a       | secret  | chord; | That      | David            | comma     |
| played  | ||and|| | it     |           | pleased          | comma     |
| the     |         |        | Lord;     |                  | comma     |
| But     |         | you    | don't     | really           | semicolon |
| |care|  | for     | music  | do        | ||||| you |||||? | semicolon |
| ,It,    | ,goes,  | ,like, | ,this,    | ,the,            | pipeline  |
| fourth  | the     | fifth  | The       | ;minor           | pipeline  |
| fall    | the     | ;major | lift      | The              | pipeline  |
| baffled | king    |        | composing | hallelujah       | pipeline  |
+---------+---------+--------+-----------+------------------+-----------+

关于csv - 如何将具有不同分隔符的 CSV 加载到单个 Hadoop 表，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/44323427/

Hadoopcsvcodedelimprehive

有关csv - 如何将具有不同分隔符的 CSV 加载到单个 Hadoop 表的更多相关文章

  1. ruby - 如何使用 Nokogiri 的 xpath 和 at_xpath 方法 - 2

    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

  2. ruby - 如何从 ruby​​ 中的字符串运行任意对象方法？ - 2

    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

  3. python - 如何使用 Ruby 或 Python 创建一系列高音调和低音调的蜂鸣声？ - 2

    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。

  4. ruby-on-rails - 如何验证 update_all 是否实际在 Rails 中更新 - 2

    给定这段代码defcreate@upgrades=User.update_all(["role=?","upgraded"],:id=>params[:upgrade])redirect_toadmin_upgrades_path,:notice=>"Successfullyupgradeduser."end我如何在该操作中实际验证它们是否已保存或未重定向到适当的页面和消息？ 最佳答案 在Rails3中，update_all不返回任何有意义的信息，除了已更新的记录数(这可能取决于您的DBMS是否返回该信息)。http://ar.ru

  5. ruby-on-rails - 'compass watch' 是如何工作的/它是如何与 rails 一起使用的 - 2

    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

  6. ruby - 具有身份验证的私有(private) Ruby Gem 服务器 - 2

    我想安装一个带有一些身份验证的私有(private)Rubygem服务器。我希望能够使用公共(public)Ubuntu服务器托管内部gem。我读到了http://docs.rubygems.org/read/chapter/18.但是那个没有身份验证-如我所见。然后我读到了https://github.com/cwninja/geminabox.但是当我使用基本身份验证(他们在他们的Wiki中有)时，它会提示从我的服务器获取源。所以。如何制作带有身份验证的私有(private)Rubygem服务器？这是不可能的吗？谢谢。编辑:Geminabox问题。我尝试“捆绑”以安装新的gem..

  7. ruby - 如何将脚本文件的末尾读取为数据文件(Perl 或任何其他语言) - 2

    我正在寻找执行以下操作的正确语法(在Perl、Shell或Ruby中):#variabletoaccessthedatalinesappendedasafileEND_OF_SCRIPT_MARKERrawdatastartshereanditcontinues. 最佳答案 Perl用__DATA__做这个:#!/usr/bin/perlusestrict;usewarnings;while(){print;}__DATA__Texttoprintgoeshere 关于ruby-如何将脚

  8. ruby - 如何指定 Rack 处理程序 - 2

    Rackup通过Rack的默认处理程序成功运行任何Rack应用程序。例如:classRackAppdefcall(environment)['200',{'Content-Type'=>'text/html'},["Helloworld"]]endendrunRackApp.new但是当最后一行更改为使用Rack的内置CGI处理程序时，rackup给出“NoMethodErrorat/undefinedmethod`call'fornil:NilClass”:Rack::Handler::CGI.runRackApp.newRack的其他内置处理程序也提出了同样的反对意见。例如Rack

  9. ruby - 用逗号、双引号和编码解析 csv - 2

    我正在使用ruby​​1.9解析以下带有MacRoman字符的csv文件#encoding:ISO-8859-1#csv_parse.csvName,main-dialogue"Marceu","Giveittohimóhe,hiswife."我做了以下解析。require'csv'input_string=File.read("../csv_parse.rb").force_encoding("ISO-8859-1").encode("UTF-8")#=>"Name,main-dialogue\r\n\"Marceu\",\"Giveittohim\x97he,hiswife.\"\

  10. ruby - 如何每月在 Heroku 运行一次 Scheduler 插件？ - 2

    在选择我想要运行操作的频率时，唯一的选项是“每天”、“每小时”和“每10分钟”。谢谢!我想为我的Rails3.1应用程序运行调度程序。 最佳答案 这不是一个优雅的解决方案，但您可以安排它每天运行，并在实际开始工作之前检查日期是否为当月的第一天。 关于ruby-如何每月在Heroku运行一次Scheduler插件？，我们在StackOverflow上找到一个类似的问题： https://stackoverflow.com/questions/8692687/

随机推荐