0632-6.2-通过Hive生成的Snappy表Impala无法访问异常分析

Fayson的github： https://github.com/fayson/cdhproject

推荐关注微信公众号：“Hadoop实操”，ID：gh_c4c535955d0f

1 问题重现

• 测试环境：

1.CDH6.2
2.集群已开启Kerberos
3.Redhat7.4

1.已经准备好一个Parquet文件的表。

hive> show create table hive_table_test_parquet_snappy;
OK
CREATE TABLE `hive_table_test_parquet_snappy`(
  `s1` string, 
  `s2` string, 
  `s3` string, 
  `s4` string, 
  `s5` string, 
  `s6` string, 
  `s7` string, 
  `s8` string, 
  `s9` string, 
  `s10` string, 
  `s11` string)
ROW FORMAT SERDE 
  'org.apache.hadoop.hive.ql.io.parquet.serde.ParquetHiveSerDe' 
STORED AS INPUTFORMAT 
  'org.apache.hadoop.hive.ql.io.parquet.MapredParquetInputFormat' 
OUTPUTFORMAT 
  'org.apache.hadoop.hive.ql.io.parquet.MapredParquetOutputFormat'
LOCATION
  'hdfs://ip-172-31-6-83.ap-southeast-1.compute.internal:8020/user/hive/warehouse/hive_table_test_parquet_snappy'
TBLPROPERTIES (
  'transient_lastDdlTime'='1557893659')
Time taken: 0.133 seconds, Fetched: 22 row(s)
hive>

2.此表的HDFS的大小为4.3GB

3.操作目标：把此hive表(hive_table_test_parquet)在表结构不变，数据内容不变的情况下压缩存储,得到新表(hive_table_test_parquet_snappy，此表记录数跟内容跟hive_table_test_parquet应该完全一致,但hdfs文件应该显著变小)

4.设置Hive压缩，并新建另外一张表。

set hive.exec.compress.output=true;
set hive.parquet.compression=snappy;

create table hive_table_test_parquet_snappy as select * from hive_table_test_parquet;

5.查看压缩存储后的表hive_table_test_parquet_snappy的数据：(正常)

6.通过查看HDFS文件大小，可以看到压缩存储后的文件小了：

7.用impala查看压缩存储后的表结构及数据，先查看未压缩存储的表：正常

8.然后查看压缩存储后的表：不正常

[ip-172-31-12-142.ap-southeast-1.compute.internal:21000] default> select *from hive_table_test_parquet_snappy limit 1;   
Query: select *from hive_table_test_parquet_snappy limit 1
Query submitted at: 2019-05-15 00:05:38 (Coordinator: http://ip-172-31-12-142.ap-southeast-1.compute.internal:25000)
Query progress can be monitored at: http://ip-172-31-12-142.ap-southeast-1.compute.internal:25000/query_plan?query_id=c6434c4543e6fd8b:9624686200000000
ERROR: Scanner plugin 'DEFLATE' is not one of the enabled plugins: 'LZO'

报错：

ERROR: Scanner plugin ‘DEFLATE’ is not one of the enabled plugins: ‘LZO’

2 问题分析

1.查看hive_table_test_parquet_snappy表的底层文件

可以发现生成文件的后缀都是deflate，deflate是区别于snappy，gzip的其他压缩格式。这种格式目前在Impala中还不支持，而Hive能支持，导致同样的表在Hive中能查询，而在Impala中查询不了。即在通过Parquet表生成同样的snappy压缩格式的文件时失败，主要是hive.parquet.compression参数Hive不认识。

3 问题解决

1.重新生成hive_table_test_parquet_snappy表，使用以下语句：

set parquet.compression=SNAPPY;
create table hive_table_test_parquet_snappy stored as parquet as select * from hive_table_test_parquet;

2.使用Hive查看该表的schema以及进行查看，都正常。

3.使用Impala查询，也正常。

4.查看hive_table_test_parquet_snappy的底层文件

使用parquet-tools命令能查看该文件，说明是parquet文件，里面显示文件的压缩是snappy

5.与之前的parquet文件的大小进行比较

发现已经被压缩，文件有缩小。

4 问题总结

1.为什么使用Hive生成的“snappy”文件无法被Impala查询，是因为生成的并不是snappy文件，而是deflate的压缩文件，而该压缩在Impala中并不支持。

2.如果源表（bbb）是parquet格式的文件表，使用create aaa as select * from bbb；语句并不能让aaa表也是parquet格式，而是textfile的，需要使用create aaa stored as parquet as select * from bbb；

3.如果需要让Hive生成Snappy的压缩表，并不需要设置set hive.exec.compress.output=true;与set hive.parquet.compression=snappy；，只需要设置set parquet.compression=SNAPPY;即可，另外hive.parquet.compression该参数是Hive不支持的。