今天在使用Spark SQL 读取hive分区表数据的时候,出现了下面的错误:
由于这个表是数仓维护提供给我使用的,我并不是很清楚表中数据的情况,于是我取查了一下这个表,发现分区字段pk_year,pk_month,pk_day这几个字段确实都存在为默认的情况:
在hive里面表可以创建成分区表,但是当分区字段的值是''" 或者 null时 hive会自动将分区命名为默认分区名称。
默认情况下,默认分区的名称为__HIVE_DEFAULT_PARTITION__
当然默认分区名称是可配置的。
配置参数是 hive.exec.default.partition.name
解决方法:
当前我的解决方式是在Spark SQL中将分区字段为空的数据过滤掉,就不会报错了。
另外已经找数仓的同事沟通,让他们在抽取数据的时候,将分区字段为空的数据过滤掉或者补上分区字段的正确值。
欢迎关注我的博客:[杨公子的个人博客](http://www.yanggongzi.top)
欢迎关注我的公众号——数据杨公子。本公众号会分享包括但不限于大数据、数据治理、元数据管理、python 等方面的技术文章,主旨是和大家一起共同成长,用技术来认识我们这个数据的时代。