hudi版本:0.13.1
一、具体报错内容:
Caused by: java.lang.IllegalArgumentException: Unexpected type: INT64
at org.apache.flink.hive.shaded.parquet.Preconditions.checkArgument(Preconditions.java:73)
at org.apache.flink.hive.shaded.formats.parquet.vector.ParquetSplitReaderUtil.createWritableColumnVector(ParquetSplitReaderUtil.java:369)
at org.apache.flink.hive.shaded.formats.parquet.ParquetVectorizedInputFormat.createWritableVectors(ParquetVectorizedInputFormat.java:264)
at org.apache.flink.hive.shaded.formats.parquet.ParquetVectorizedInputFormat.createReaderBatch(ParquetVectorizedInputFormat.java:254)
at org.apache.flink.hive.shaded.formats.parquet.ParquetVectorizedInputFormat.createPoolOfBatches(ParquetVectorizedInputFormat.java:244)
at org.apache.flink.hive.shaded.formats.parquet.ParquetVectorizedInputFormat.createReader(ParquetVectorizedInputFormat.java:137)
at org.apache.flink.hive.shaded.formats.parquet.ParquetVectorizedInputFormat.createReader(ParquetVectorizedInputFormat.java:73)
at org.apache.flink.connectors.hive.read.HiveBulkFormatAdapter.createReader(HiveBulkFormatAdapter.java:110)
at org.apache.flink.connectors.hive.read.HiveBulkFormatAdapter.createReader(HiveBulkFormatAdapter.java:65)
at org.apache.flink.connector.file.src.impl.FileSourceSplitReader.checkSplitOrStartNext(FileSourceSplitReader.java:112)
at org.apache.flink.connector.file.src.impl.FileSourceSplitReader.fetch(FileSourceSplitReader.java:65)
at org.apache.flink.connector.base.source.reader.fetcher.FetchTask.run(FetchTask.java:56)
at org.apache.flink.connector.base.source.reader.fetcher.SplitFetcher.runOnce(SplitFetcher.java:140)
... 6 more
二、报错原因
1、hive-sync生成表是为spark准备的,并并不会向flink sql一样在metastore中生成flink 可以读取的table param(对应hive metastore中的表TABLE_PARAMS)
体现出来是`flink. `开头的,且是可以带有精度的。
2、flink读取hive-sync固定生成的是timestamp类型,不带有精度(小数位数),而hive也不支持指定精度其精度固定为至纳秒。
hive-sync使用hive metastore的 java api同步表结构,而用FieldSchema类表示timestamp类型,也是不带有精度的:
3、flink stream API没有指定parquet生成格式的参数
生成的parquet 文件的timestamp类型为: INT64 L:TIMESTAMP(MICROS,true)
另外,HoodieStorageConfig.PARQUET_OUTPUT_TIMESTAMP_TYPE.key() // 取值范围:INT96 TIMESTAMP_MICROS TIMESTAMP_MILLIS 。此配置在flink并不生效。
综上,flink读取hive-sync表时候从metastore获取到的是timestamp 即默认hive的精度int96,而实际parquet存储的类型是int64,二者冲突。
解决办法:
在通过HoodiePipeline 中的 org.apache.hudi.util.HoodiePipeline#getCreateHoodieTableDDL方法手动创建张flink table;