Metastore 中的分区，但 HDFS 中不存在路径

Question

我们的摄取过程存在问题，导致分区被添加到 Hive 中的表中，但 HDFS 中的路径实际上并不存在。我们已经解决了这个问题，但我们仍然有这些坏分区。当使用 Tez 查询这些表时，我们得到 FileNotFound 异常，指向 HDFS 中不存在的位置。如果我们使用 MR 而不是 Tez，查询可以工作（这让我很困惑），但它太慢了。

有没有办法列出所有有这个问题的分区？ MSCK REPAIR 似乎处理了相反的问题，即数据存在于 HDFS 中但 Hive 中没有分区。

编辑：更多信息。 这是文件未找到异常的输出：

java.io.FileNotFoundException: File hdfs://<server>/db/tables/2016/03/14/mytable does not exist.

如果我运行show partitions <db.mytable>，我将获得所有分区，包括dt=2016-03-14 的一个。

show table extended like '<db.mytable>' partition(dt='2016-03-14' 返回相同的位置： location:hdfs://server/db/tables/2016/03/14/mytable.

Answer 1

MSCK REPAIR TABLE <tablename> 不提供此功能，我也面临同样的问题，我找到了解决方案，

我们知道'msck repair'命令根据目录添加分区，所以首先删除所有分区

hive>ALTER TABLE mytable drop if exists partitions(p<>'');

以上命令删除所有分区，

然后使用msck repair 命令然后它将从表位置存在的目录创建分区。

hive>msck repair table mytable

Answer 2

似乎MSCK REPAIR TABLE 不会删除指向丢失目录的分区，但它确实列出了这些分区（请参阅Partitions not in metastore:），因此通过一些脚本/手动工作，您可以根据给定的列表删除它们。

hive> create table mytable (i int) partitioned by (p int);
OK
Time taken: 0.539 seconds

hive> !mkdir mytable/p=1;
hive> !mkdir mytable/p=2;
hive> !mkdir mytable/p=3;

hive> msck repair table mytable;
OK
Partitions not in metastore:    mytable:p=1 mytable:p=2 mytable:p=3
Repair: Added partition to metastore mytable:p=1
Repair: Added partition to metastore mytable:p=2
Repair: Added partition to metastore mytable:p=3
Time taken: 0.918 seconds, Fetched: 4 row(s)

hive> show partitions mytable;
OK
p=1
p=2
p=3
Time taken: 0.331 seconds, Fetched: 3 row(s)

hive> !rmdir mytable/p=1;
hive> !rmdir mytable/p=2;
hive> !rmdir mytable/p=3;

hive> msck repair table mytable;
OK
Partitions missing from filesystem: mytable:p=1 mytable:p=2 mytable:p=3
Time taken: 0.425 seconds, Fetched: 1 row(s)

hive> show partitions mytable;
OK
p=1
p=2
p=3
Time taken: 0.56 seconds, Fetched: 3 row(s)