0607-6.1.0-如何将ORC格式且使用了DATE类型的Hive表转为Parquet表

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

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

1 文档编写目的

在CDH中使用Hive时，为了统一数据文件的存储格式，推荐使用Parquet格式的文件存储，这样做也是为了能够同时能够兼容Impala的查询。有些用户在Hive中创建大量的ORC格式的表，并使用了DATE数据类型，这会导致在Impala中无法进行正常的查询，因为Impala不支持DATE类型和ORC格式的文件。本篇文章Fayson主要介绍如何通过脚本将ORC格式且使用了DATE类型的Hive表转为Parquet表。

你可能还需要了解的知识：

《答应我，别在CDH5中使用ORC好吗》

《如何在Hive中生成Parquet表》

• 内容概述

1.准备测试数据及表

2.Hive ORC表转Parquet

3.总结

• 测试环境

1.RedHat7.4

2.CM和CDH版本为6.1.0

2 Hive ORC表转Parquet表

1.使用如下语句在hive中创建一个包含DATE类型的ORC表，并插入测试数据

create table test_orc(id int, name string,birthday date) stored as orc;
INSERT into test values(1, 'fayson','2019-10-11');

使用Impala查询test_orc表,会提示“Unsupported type ‘DATE’ in ‘default.test_orc.birthday’”

2.登录Hive的元数据库，在数据库中将所有Hive表中Column为DATE类型的数据修改为STRING

MariaDB [metastore]> select * from COLUMNS_V2 where TYPE_NAME='date';
MariaDB [metastore]> update COLUMNS_V2 set TYPE_NAME='string' where TYPE_NAME='date';

查看test_orc表的DATE类型字段是已修改为STRING

使用Hive可以正常查询test_orc表数据

使用Impala查询提示“ORC scans are disabled by --enable_orc_scanner flag”

3.准备Hive SQL脚本将test_orc表转为Parquet格式的表

set mapreduce.input.fileinputformat.split.maxsize=536870912;
set mapreduce.input.fileinputformat.split.minsize=536870912;
set parquet.block.size=268435456;
set parquet.compression=SNAPPY;
drop table if exists test_orc_2_parquet;
create table default. test_orc_2_parquet 
stored as parquet
as select * from test_orc;

4.在命令行使用hive命令执行test_parquet.sql脚本

[root@hadoop12 ~]# hive -f test_parquet.sql 

5.查看test_orc_2_parquet表正常，格式转为parquet且访问正常

使用Impala访问test_orc_2_parquet表

3 总结

1.Hive对ORC格式的表没有做严格的数类型校验，因此在统一的修改了Hive元数据库的DATE类型为STRING类型后，ORC格式的表依然可以正常查询。

2.在C6版本中其实已经支持了ORC格式的表，但默认是禁用的，可以通过在Impala Daemon的高级配置中增加–enable_orc_scanner参数来启用，由于C6版本目前刚支持ORC格式，是否存在问题和风险有待验证。

3.Impala默认是不支持DATE类的，同时Impala对Parquet或ORC文件中的数据类型有严格的校验，因此在将Hive元数据库中DATE类型修改为STRING类型后查询依然会报“Unsupported type ‘DATE’”。

4.Hive元数据库中的COLUMNS_V2表中主要存储Hive表中的列信息，这里介绍的转换方式比较暴力，但是爽啊！！！