解决hive中导入text文件遇到的坑
今天帮一同学导入一个excel数据，我把excel保存为txt格式，然后建表导入，失败！分隔符格式不匹配，无法导入！！！！怎么看两边都是\t，怎么不匹配呢？
做为程序员，最不怕的就是失败，因为我们有一颗勇敢的心！再来！又特么失败。。。
想了好久，看看了看我的表格式，我犯了一个好低级的错误：
hive表的存储格式设置为了orcfile!!!
众所周知：orcfile为压缩格式，可以节约大量存储空间，但orc还有个特点就是不能直接load数据！要想load数据，我们要建一个存储格式为textfile的中间表，然后再把数据抽取过去。因为这个错误太简单，网上有相关科普，因此很少有把它当错误写出来。遇到问题的朋友们可能要走些弯路，我来补个漏~~~~~~
举个栗子：
1.首先，导出excel表格为txt格式，（这个过程不再赘述，网上教程一大把）。
123,小明,666,1990-09-23 12:00:18 256,小伙,555,1989-10-06 03:57:32 142,小兰,444,1992-07-04 05:05:45
2.在hive中创建表模型：
CREATE TABLE IF NOT EXISTS STUDENTS ( ID INT COMMENT'学生', SNAME STRING COMMENT '姓名', SCORE INT COMMENT '得分', STIME STRING COMMENT '考试时间' ) ROW FORMAT DELIMITED FIELDS TERMINATED BY ',' STORED AS ORCFILE;
3.创建临时表（中间表）：
CREATE TABLE IF NOT EXISTS STUDENTS_TMP ( ID INT COMMENT'学生', SNAME STRING COMMENT '姓名', SCORE INT COMMENT '得分', STIME STRING COMMENT '考试时间' ) ROW FORMAT DELIMITED FIELDS TERMINATED BY ',' STORED AS TEXTFILE;
与目标表只有名称和存储格式不同，其他都相同。
4.load 数据到临时表：
load data local inpath '/export/data/1.txt' into table students_tmp;
5.将数据导入目标表：
insert overwrite table students select * from students_tmp;
6.然后查看表数据，大功造成：
hive > select * from students; OK 123 小明 666 1990-09-23 12:00:18 256 小伙 555 1989-10-06 03:57:32 142 小兰 444 1992-07-04 05:05:45 Time taken: 0.26 seconds, Fetched: 3 row(s)
其他存储格式如 SEQUENCEFILE、PARQUET 等，也要选存储为textfile格式，然后抽入目标表。
一定要按照导出格式的分隔符建表，不然load数据必然出错或全是null;
excel导出格式：
格式 分隔符 中文名称 text \t 制表符 csv , 逗号
7.还要注意一点是我们从excel导出的文件格式是gb2312 （无论是txt还是csv都是这个格式，都需要转码），我们需要把它转成utf-8才能Load。
所以在load之前，我们一般会采取两种办法：
1. 在文本编辑器中进行转码，带不带bom关系不大，然后上传;
2.在文件所在本地目录下执行以下命令转码：
piconv -f gb2312 -t UTF-8 1.txt > 2.txt
注意，在本地目录下命令转码会改变文件名，因为此命令会把所文件写入到另一个文件，并清空原文件内容，如果我们不改名，文件内容会完全丢失。所以，我们Load的时候一定要选择修改后的文件名哦。
示例：
转码前数据：
hive> select * from students; OK 112 С�� 35 2017/8/19 15:30 113 ���� 45 114 ³�� 55 2017/8/21 15:30 115 ���� NULL 116 ������ 75 2017/8/23 15:30 117 ������ 85 2017/8/24 15:30 118 �˽� NULL 2017/8/25 15:30 119 ������ 90 120 СѾ NULL 2017/8/27 15:30 121 ���� 80 2017/8/28 15:30 122 ��߸ 75 123 ��«�� 70 2017/8/30 15:30 124 ���� NULL 2017/8/31 15:30 125 �?F NULL 126 �峤 NULL 2017/9/2 15:30 127 ˾�� 50 2017/9/3 15:30 128 ������ 58 2017/9/4 15:30 129 ���� 66 2017/9/5 15:30 Time taken: 0.134 seconds, Fetched: 18 row(s)
去所在目录下转码，再Load
piconv -f gb2312 -t UTF-8 2.csv > 3.csv # 在hive中选择正确的文件Load: hive> load data local inpath '/export/data/3.csv' into table students;
结果：
hive> select * from students; OK 112 小宝 35 2017/8/19 15:30 113 王明 45 114 鲁班 55 2017/8/21 15:30 115 苗苗 NULL 116 少林寺 75 2017/8/23 15:30 117 体育界 85 2017/8/24 15:30 118 八戒 NULL 2017/8/25 15:30 119 周芷若 90 120 小丫 NULL 2017/8/27 15:30 121 海宝 80 2017/8/28 15:30 122 哪吒 75 123 葫芦娃 70 2017/8/30 15:30 124 丹枫 NULL 2017/8/31 15:30 125 电工 NULL 126 村长 NULL 2017/9/2 15:30 127 司机 50 2017/9/3 15:30 128 王世间 58 2017/9/4 15:30 129 松鼠 66 2017/9/5 15:30 Time taken: 0.106 seconds, Fetched: 18 row(s)
补充：hive导入数据出现NULL
在把hdfs上数据迁移到hive中的表时，若出现数据位NULL，是因为没有指定列分隔符。
由于hive默认的分隔符是/u0001（Ctrl+A）,为了平滑迁移，需要在创建表格时指定数据的分割符号，语法如下：
hive (default)> create external table et (time BIGINT, userid string, content string, urlrank int, urlnum int, url string) > partitioned by (filenum int) > row format delimited fields terminated by '\t';
上面创建的是外部表，“导入”数据时可以用load，但若不想进行移动数据，就用命令alter来进行指向：
alter table et add partition (filenum=1) location '/input/SogouQueryLog/file1';
注意location后面跟的地址必须是个目录，若不是，可以用hdfs fs -mv src dest 进行移动数据：
hadoop fs -mv /input/SogouQueryLog/querylog_1 /input/SogouQueryLog/file1
上一篇：Python 内置函数globals()和locals()对比详解
栏 目：Python代码
本文标题：解决hive中导入text文件遇到的坑
本文地址：http://www.codeinn.net/misctech/221840.html
