org.apache.spark.sql.AnalysisException：将数据插入 Hive 表时找不到表

Question

我正在尝试使用以下代码将数据框插入 Hive 表：

import org.apache.spark.sql.SaveMode
import org.apache.spark.sql._
val hiveCont =  val hiveCont = new org.apache.spark.sql.hive.HiveContext(sc)
val empfile = sc.textFile("empfile")
val empdata = empfile.map(p => p.split(","))
case class empc(id:Int, name:String, salary:Int, dept:String, location:String)
val empRDD  = empdata.map(p => empc(p(0).toInt, p(1), p(2).toInt, p(3), p(4)))
val empDF   = empRDD.toDF()
empDF.registerTempTable("emptab")

我在 Hive 中有一个带有以下 DDL 的表：

# col_name              data_type               comment             

id                      int                                         
name                    string                                      
salary                  int                                         
dept                    string                                      

# Partition Information      
# col_name              data_type               comment             

location                string           

我正在尝试将临时表插入到 hive 表中，如下所示：

hiveCont.sql("insert into parttab select id, name, salary, dept from emptab")

这是一个例外：

org.apache.spark.sql.AnalysisException: Table not found: emptab. 'emptab' is the temp table created from Dataframe

在这里，我了解到 hivecontext 将在 Spark 的“HIVE”上运行查询，但在那里找不到表，因此导致异常。但我不明白如何解决这个问题。谁能告诉我如何解决这个问题？

Answer 1

registerTempTable("emptab") ：这行代码用于在spark中创建表临时表，而不是在hive中。 要将数据存储到 hive，您必须首先在 hive 中显式创建一个表。要将表值数据存储到 hive 表中，请使用以下代码：

import org.apache.spark.sql.SaveMode
import org.apache.spark.sql._

val hiveCont = new org.apache.spark.sql.hive.HiveContext(sc)
val empfile = sc.textFile("empfile")
val empdata = empfile.map(p => p.split(","))
case class empc(id:Int, name:String, salary:Int, dept:String, location:String)
val empRDD  = empdata.map(p => empc(p(0).toInt, p(1), p(2).toInt, p(3), p(4)))
val empDF   = empRDD.toDF()
empDF.write().saveAsTable("emptab");

Answer 2

您正在将 RDD 隐式转换为数据帧，但您没有导入隐式对象，因此 RDD 没有被转换为数据帧。在导入中包含以下行。

// this is used to implicitly convert an RDD to a DataFrame.
import sqlContext.implicits._

案例类也必须定义在顶层——它们不能嵌套。所以你的最终代码应该是这样的：

import org.apache.spark._
import org.apache.spark.sql.hive.HiveContext;
import org.apache.spark.sql.DataFrame
import org.apache.spark.rdd.RDD
import org.apache.spark.sql._
import sqlContext.implicits._

val hiveCont = new org.apache.spark.sql.hive.HiveContext(sc)
case class Empc(id:Int, name:String, salary:Int, dept:String, location:String)
val empFile = sc.textFile("/hdfs/location/of/data/")
val empData = empFile.map(p => p.split(","))
val empRDD = empData.map(p => Empc(p(0).trim.toInt, p(1), p(2).trim.toInt, p(3), p(4)))
val empDF = empRDD.toDF()
empDF.registerTempTable("emptab")

如果您将String 转换为Integer，则还要修剪所有空白。我也将它包含在上面的代码中。