pig - comandos hive hadoop

Ejecutar la consulta de Pig sobre los datos almacenados en Hive

Question

Me gustaría saber cómo ejecutar consultas Pig almacenadas en formato Hive. He configurado Hive para almacenar datos comprimidos (usando este tutorial http://wiki.apache.org/hadoop/Hive/CompressedStorage ).

Antes solía usar la función de carga Pig normal con el delimitador de Hive (^ A). Pero ahora Hive almacena datos en archivos de secuencia con compresión. ¿Qué función de carga usar?

Tenga en cuenta que no necesita integración cercana como se menciona aquí: Usando Hive with Pig , simplemente qué función de carga usar para leer los archivos de secuencia comprimidos generados por Hive.

Gracias por todas las respuestas.

Answer 1

Esto es lo que descubrí: Usar HiveColumnarLoader tiene sentido si almacena datos como un RCFile. Para cargar la tabla usando esto, primero debe registrar algunos tarros:

register /srv/pigs/piggybank.jar
register /usr/lib/hive/lib/hive-exec-0.5.0.jar
register /usr/lib/hive/lib/hive-common-0.5.0.jar
a = LOAD ''/user/hive/warehouse/table'' USING org.apache.pig.piggybank.storage.HiveColumnarLoader(''ts int, user_id int, url string'');

Para cargar datos desde el archivo de secuencia, debe usar PiggyBank (como en el ejemplo anterior). El cargador SequenceFile de Piggybank debe manejar archivos comprimidos:

register /srv/pigs/piggybank.jar
DEFINE SequenceFileLoader org.apache.pig.piggybank.storage.SequenceFileLoader();
a = LOAD ''/user/hive/warehouse/table'' USING SequenceFileLoader AS (int, int);

Esto no funciona con Pig 0.7 porque no puede leer el tipo BytesWritable y convertirlo al tipo Pig y obtienes esta excepción:

2011-07-01 10:30:08,589 WARN org.apache.pig.piggybank.storage.SequenceFileLoader: Unable to translate key class org.apache.hadoop.io.BytesWritable to a Pig datatype
2011-07-01 10:30:08,625 WARN org.apache.hadoop.mapred.Child: Error running child
org.apache.pig.backend.BackendException: ERROR 0: Unable to translate class org.apache.hadoop.io.BytesWritable to a Pig datatype
at org.apache.pig.piggybank.storage.SequenceFileLoader.setKeyType(SequenceFileLoader.java:78)
at org.apache.pig.piggybank.storage.SequenceFileLoader.getNext(SequenceFileLoader.java:132)
at org.apache.pig.backend.hadoop.executionengine.mapReduceLayer.PigRecordReader.nextKeyValue(PigRecordReader.java:142)
at org.apache.hadoop.mapred.MapTask$NewTrackingRecordReader.nextKeyValue(MapTask.java:448)
at org.apache.hadoop.mapreduce.MapContext.nextKeyValue(MapContext.java:67)
at org.apache.hadoop.mapreduce.Mapper.run(Mapper.java:143)
at org.apache.hadoop.mapred.MapTask.runNewMapper(MapTask.java:639)
at org.apache.hadoop.mapred.MapTask.run(MapTask.java:315)
at org.apache.hadoop.mapred.Child$4.run(Child.java:217)
at java.security.AccessController.doPrivileged(Native Method)
at javax.security.auth.Subject.doAs(Subject.java:396)
at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1063)
at org.apache.hadoop.mapred.Child.main(Child.java:211)

Cómo compilar piggybank se describe aquí: no se puede construir piggybank -> / home / build / ivy / lib no existe