查询包含水槽流的外部表时出现 Hive 错误答案

【问题标题】：Hive error while querying external table containing flume stream查询包含水槽流的外部表时出现 Hive 错误
【发布时间】：2016-06-26 21:46:48
【问题描述】：

在 CDH 5.4 上，我正在尝试使用以下方法在 Twitter 分析上创建演示：

Flume 用于将推文捕获到 HDFS 文件夹中
Hive 用于使用 Hive-Serde 查询推文

第一步成功。我可以看到推文正在被捕获并正确定向到所需的 HDFS 文件夹。我观察到首先创建了一个临时文件，然后将其转换为永久文件：

-rw-r--r--   3 root hadoop       7548 2015-10-06 06:39 /user/flume/tweets/FlumeData.1444127932782
-rw-r--r--   3 root hadoop      10034 2015-10-06 06:39 /user/flume/tweets/FlumeData.1444127932783.tmp

我正在使用下表声明：

CREATE EXTERNAL TABLE tweets(
    id bigint, 
    created_at string, 
    lang string, 
    source string, 
    favorited boolean, 
    retweet_count int, 
    retweeted_status 
    struct<text:string,user:struct<screen_name:string,name:string>>,
    entities struct<urls:array<struct<expanded_url:string>>,
    user_mentions:array<struct<screen_name:string,name:string>>,
    hashtags:array<struct<text:string>>>,
    text string,
    user struct<location:string,geo_enabled:string,screen_name:string,name:string,friends_count:int,followers_count:int,statuses_count:int,verified:boolean,utc_offset:int,time_zone:string>,
    in_reply_to_screen_name string)
ROW FORMAT SERDE 'com.cloudera.hive.serde.JSONSerDe'
STORED AS INPUTFORMAT 'org.apache.hadoop.mapred.TextInputFormat'
OUTPUTFORMAT 'org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat'
LOCATION 'hdfs://master.ds.com:8020/user/flume/tweets';

但是当我查询这个表时，我得到以下错误：

hive> select count(*) from tweets;

Ended Job = job_1443526273848_0140 with errors
...
Diagnostic Messages for this Task:
Error: java.io.IOException: java.lang.reflect.InvocationTargetException
        at org.apache.hadoop.hive.io.HiveIOExceptionHandlerChain.handleRecordReaderCreation
        ... 11 more

Caused by: java.io.FileNotFoundException: File does not exist: /user/flume/tweets/FlumeData.1444128601078.tmp
        at org.apache.hadoop.hdfs.server.namenode.INodeFile.valueOf(INodeFile.java:66)
        ...

FAILED: Execution Error, return code 2 from org.apache.hadoop.hive.ql.exec.mr.MapRedTask
MapReduce Jobs Launched:

Stage-Stage-1: Map: 2  Reduce: 1   Cumulative CPU: 1.19 sec   HDFS Read: 10492 HDFS Write: 0 FAIL

我认为问题与临时文件有关，Hive 查询生成的 map-reduce 作业没有被读取。是否可以通过一些变通方法或配置更改来成功处理此问题？

【问题讨论】：

标签： hadoop twitter hive flume

【解决方案1】：

我有同样的经历，我通过在我的水槽配置文件中添加下面的 hdfs 接收器配置来解决它 some_agent.hdfssink.hdfs.inUsePrefix = . hdfs.inUseSuffix = .temp

希望对你有帮助。

【讨论】：