flink-user-zh mailing list archives

Site index · List index
Message view « Date » · « Thread »
Top « Date » · « Thread »
From 吕先生 <lvshaoy...@126.com>
Subject Re:使用Flink sql insert 数据 to hive 之乱码问题 (已解决)
Date Wed, 18 Mar 2020 08:50:04 GMT
Hi


    经过阿里工程师的协助,现定位到这是一个压缩问题。我的Hive 开启了压缩,以减小磁盘空间的使用。Flink
sql在写入压缩文件后(textfile 格式),没有添加后缀名(正常情况下应该有“.snappy”后缀)。所以读的时候,把压缩文件当普通的txt
文件读了,造成乱码。   后面阿里的工程师会跟进这个问题。


解决办法:将hive-site.xml 里面的hive.exec.compress.output 设置成 false,或使用其他存储格式。


另外确认Flink sql 对Parquet、ORC 格式Hive 表的压缩是支持的。


在此,对提供帮助的阿里工程师,表示感谢!







在 2020-03-17 16:24:03,"吕先生" <lvshaoyong@126.com> 写道:

各位大佬,大家好!
帮看一下这个问题:我使用flink sql 基于Hive 进行批计算(目的是替换spark
sql 的批计算),具体是从hive 中读数据,然后insert 回hive 的表,然后select
看数据时,出现乱码。
软件版本:hadoop2.9.1和hadoop2.8.5、hive-2.3.3和hive-2.3.4、flink1.10.0、zeppelin0.9.0、Flink
SQL gateway 0.1


切换了多个hadoop、hive版本(各版本软件均来自官方下载),以及测试了Flink
Sql Cli、Zeppelin、Flink SQL gateway等Flink sql运行环境,均没解决问题。Flink
是Run on Yarn的,下面是测试使用的sql 脚本:


//hive 中
CREATE TABLE IF NOT EXISTS temp_h1(
  id VARCHAR(50),
  lac VARCHAR(50),
  ci VARCHAR(50),
  flux_m VARCHAR(50),
  nums VARCHAR(50),
  sno  VARCHAR(50),
  cdate VARCHAR(50)
)
row format delimited FIELDS TERMINATED BY ',' 
stored as textfile 
LOCATION '/tmp/hive/temp_h1';


CREATE TABLE IF NOT EXISTS temp_h2(
  id VARCHAR(50),
  lac VARCHAR(50),
  ci VARCHAR(50),
  flux_m VARCHAR(50),
  nums VARCHAR(50),
  sno  VARCHAR(50),
  cdate VARCHAR(50)
)
row format delimited FIELDS TERMINATED BY ',' 
stored as textfile 
LOCATION '/tmp/hive/temp_h2';


//测试数据(t.txt)
101,中国,100.02,123.001,1000020000,30,20200316
102,美国,100.02,123.001,1000020000,30,20200316
103,武汉,100.02,123.001,1000020000,30,20200316
104,北京,100.02,123.001,1000020000,30,20200316
105,俄罗斯,100.02,123.001,1000020000,30,20200316
106,海南,100.02,123.001,1000020000,30,20200316
107,香格里拉酒店,100.02,123.001,1000020000,30,20200316


//加载数据
load data local inpath '/home/hadoop/temp/t.txt' into table temp_h1;


//在FLink sql 中
insert into temp_h2 select * from temp_h1;
select * from temp_h2;            //出现乱码,而且数据不全


temp_h2 在hdfs 上的乱码文件 见附件:cp-0-task-0-file-0
Flink sql 运行期间没有报错,yarn上运行的日志见附件:Executor.log


注,flink监控中显示信息:CsvTableSource(read fields: a, b) -> SourceConversion(table=[hive.test.temp_1,
source: [CsvTableSource(read fields: a, b)]], fields=[a, b]) -> SinkConversionToRow ->
Sink: Unnamed    。我有不清楚为啥使用的是SinkConversionToRow。


大家可以用我上面的代码也测试一下,帮验证一下,在你们的环境中,是否出现乱码问题,谢谢了!








 
Mime
  • Unnamed multipart/alternative (inline, None, 0 bytes)
View raw message