问题描述:项目需求,通过flume从本地抽取数据到hdfs中(这个过程以实现),抽取到hdfs的文件是以当天的时间命名的文件,存放当天更新的数据。比如说,今天是2017年1月5号,所以在hdf...
问题描述:
项目需求,通过flume从本地抽取数据到hdfs中(这个过程以实现),抽取到hdfs的文件是以当天的时间命名的文件,存放当天更新的数据。比如说,今天是2017年1月5号,所以在hdfs存储的目录(假设为/user/flume/)下会自己生成一个文件为20170105的文件,文件下存放的是今天抽取数据的文件夹,而明天则会生成一个20170106的文件夹存放明天抽取数据的文件夹。现在文件夹是以时间作为划分的。此时我如果需要建一个表,导入里面的/user/flume目录下的20170105和20170106文件下的内容我需要怎么做呢?
首先我想到的方法是:
create EXTERNAL table IF NOT EXISTS test(
param1 string,
param2 string,
param3 string,
param4 string)
partitioned by (month string)
ROW FORMAT DELIMITED FIELDS TERMINATED BY ','
STORED AS TEXTFILE
location '/user/flume/20170105';
可是这里出现了一个问题,就是我只能指定这一个路径。
后来我又想了一种方式就是:
create EXTERNAL table IF NOT EXISTS test(
param1 string,
param2 string,
param3 string,
param4 string)
partitioned by (month string)
ROW FORMAT DELIMITED FIELDS TERMINATED BY ','
STORED AS TEXTFILE;
alter table test add partition (month = '20170105') location '/user/flume/20170105';
alter table test add partition (month = '20170106') location '/user/flume/20170106';
可是这样又会出现一个问题就是我如果每天都要采集数据,每天都会生成文件,比如第三天生成20170107,我岂不是每次都要手动去添加一个分区进入这张表中,可是我不这样做,我又要怎么做呢?
展开