背景:在本地执行代码远程连接hiveserver2,操作hive中的数据
问题1:从本地load文件到hive遇到一个问题,代码中执行load语句报错:Invalid path xxxx: No files matching path file: xxxx
最后发现是这里的本地是相对于HDFS来说的本地,也就是说本地也得位于hiveserver2所在的节点上,但是不在HDFS中,使用LOAD DATA LOCAL INPATH xxxx
可以load本地的文件到hive,不带LOCAL
可以load HDFS中的文件到hive。
问题2:当写数据的任务和hiveserver2位于不同的节点上时,需要将数据先通过hdfs upload把数据文件上传到hiveserver2的节点上,然后使用LOAD DATA INPATH xxxx
的方式加载数据到hive,在hdfs_client.upload文件到hdfs的过程中可能遇到连接超,但是却可以执行hdfs_client.list的问题,这里需要在/etc/hosts文件中配置hdfs节点名称和ip地址的映射,参考:python hdfs远程上传文件到hdfs。
问题3:当写数据的任务是位于容器中而hiveserver2位于同一个节点上时,可以通过共享目录的方式使用LOAD DATA LOCAL INPATH xxxx
来加载文件,此处的目录是宿主机中的目录,当容器和hiveserver2位于不同节点上时,只能使用问题2描述的方法。
问题4:当hive有多个namenode节点实现ha时,需要先判断那个节点为active(活动的),然后才能上传文件数据到这个节点。
参考:hive No files matching path file and file Exists