一、前言
最近在搞数据传输的东西,涉及到hdfs的操作,主要有两种方法:
1、hive -e方法
2、hdfs dfs -get方法
二、详解:
两者都可以将集群的数据写入到本地,但是所存储的格式存在差别:
方法一:
hive -e将集群的数据拉取到本地,所 存储的格式是服务器默认存储的格式,这种格式存在的问题是:如果在将文件导入到另外一台集群时,如果创建表的分割符与机器的默认分割不一致,就会导致列分割失败,所有的列会写入一个字段中。
hive -e "USE htl_data;SELECT htl_type,htl_id FROM tmp_lqh_data_detail"> /$file_location/tmp_lqh_data_detail_$YESTERDAY_DATE.txt
方法二:
使用hdfs命令行的方法将集群数据拉取到本地,被拉取的数据存储的格式会和集群存储的格式保持一致。因此在另外一个集群进行上传时,只需要在被拉取的集群建表语句copy一份就行了。
hdfs dfs -copyToLocal -f /user/hive/warehouse/htl_data/tmp_lqh_htl_data_detail/pt=$YESTERDAY /rd/home/lqh/tmp_data/tmp_lqh_htl_data_detail_$YESTERDAY_DATE.txt
在实际的使用中,第一种方法的优势在于可以从hive表里拿到自己想要的字段,第二种方法是将hive表里的所有字段都获取到,如果数据量非常大的情况下,获取的数据会有冗余。