Hive外部分区表加载flume打到hdfs上文件，读不到.tmp文件

最新推荐文章于 2022-11-11 16:27:07 发布

weixin_34112030

最新推荐文章于 2022-11-11 16:27:07 发布

阅读量585

点赞数

文章标签：大数据 python

原文链接：https://my.oschina.net/u/780876/blog/651580

版权

2019独角兽企业重金招聘Python工程师标准>>>

flume打到hdfs上时，按照文件大小生成文件，在达到指定大小之前数据都是以.tmp文件形式保存在hdfs上，hive外部表也会加载这些文件，但是当文件完成后.tmp会消失，这时候hive会报找不到文件的错误。解决方法是自己写hive的pathfilter类，hive加载数据的时候把tmp文件过滤掉不加载即可。

错误信息如下：

自定义PathFilter类如下：

/**
 * 
   * @Title: FileFilterExcludeTmpFiles.java 
   * @Description: hive加载分区表时会加载.tmp的文件，该类型文件在flume滚动数据之后就会消失，此时hive找不到该文件就会报错
   * 			         该类会将.tmp的文件过滤掉，不加载进hive的分区表中 
   * @version V0.1.0
   * @see
 */
public class FileFilterExcludeTmpFiles implements PathFilter{
	private static final Logger logger = LoggerFactory.getLogger(FileFilterExcludeTmpFiles.class);
	public boolean accept(Path path) {
		// TODO Auto-generated method stub
		return !name.startsWith("_") && !name.startsWith(".") && !name.endsWith(".tmp");
	}

}

编写完后，打成jar包上传服务器，再修改hive-site.xml文件，修改如下：

<property>

    <name>hive.aux.jars.path</name><value>file:///usr/lib/mylib/FilterTmpPath.jar</value>

    <description>The location of the plugin jars that contain implementations of user defined functions and serdes.</description>

  </property>

  <property>

    <name>mapred.input.pathFilter.class</name>

    <value>cn.utils.hive.FileFilterExcludeTmpFiles</value>

  </property>

切记：不能有回车换行这样的字符，要不然回报一些乱七八糟的错误，博主就被坑的七零八碎的！！！！

转载于:https://my.oschina.net/u/780876/blog/651580