将avro转换为镶木地板（使用配置单元可能吗？）

Question

我正在尝试将存储在HDFS（100s的GB）上的一堆多部分avro文件转换为镶木地板文件（保留所有数据）

Hive可以使用以下方法将avro文件作为外部表读取：

CREATE EXTERNAL TABLE as_avro 
ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.avro.AvroSerDe' 
STORED as INPUTFORMAT 'org.apache.hadoop.hive.ql.io.avro.AvroContainerInputFormat' 
OUTPUTFORMAT 'org.apache.hadoop.hive.ql.io.avro.AvroContainerOutputFormat' 
LOCATION '<location>' 
TBLPROPERTIES ('avro.schema.url'='<schema.avsc>');

但是，当我尝试创建一个镶木桌子时：

create external table as_parquet like as_avro stored as parquet location 'hdfs:///xyz.parquet'

它会抛出一个错误：

FAILED：执行错误，从org.apache.hadoop.hive.ql.exec.DDLTask返回代码1。 java.lang.UnsupportedOperationException：未知字段类型：uniontype <...>

是否可以将uniontype转换为外部镶木桌的有效数据类型？

我也愿意采用其他更简单的方法。先生？猪？

寻找一种快速，简单且具有最小依赖性的方式来打扰。

谢谢

Answer 1

尝试拆分：

create external table as_parquet like as_avro stored as parquet location 'hdfs:///xyz.parquet'

分为两步：

1. CREATE EXTERNAL TABLE as_parquet (col1 col1_type, ... , coln coln_type) STORED AS parquet LOCATION 'hdfs:///xyz.parquet';
2. INSERT INTO TABLE as_parquet SELECT * FROM as_avro;

或者，如果你有分区，我猜你有这个数据量：

INSERT INTO TABLE as_parquet PARTITION (year=2016, month=07, day=13) SELECT <all_columns_except_partition_cols> FROM as_avro WHERE year='2016' and month='07' and day='13';

注意： 对于第1步，为了在列类型等中保存任何拼写错误或小错误，您可以：

• 运行SHOW CREATE TABLE as_avro并复制as_avro表的create语句
• 替换表的名称，文件格式和位置
• 运行新的create语句。

这对我有用......