У меня есть сценарий улей, который выглядит следующим образом:Обработка уведомлений S3 PUT при записи на ведро Amazon S3 с ульем внутри Amazon EMR
Пропустить заголовок в формате CSV при импорте
SET skip.header.line.count = 1;
создать CAC таблицу
CREATE EXTERNAL TABLE channelAccessCodes (accessCode string,channelCode string,id string,upc string,version bigint)
STORED BY 'org.apache.hadoop.hive.dynamodb.DynamoDBStorageHandler'
TBLPROPERTIES ("dynamodb.table.name" = "properties.channelAccessCode",
"dynamodb.column.mapping" = "accessCode:accessCode,channelCode:channelCode,id:id,upc:upc,version:version");
CREATE TEMPORARY TABLE if not exists bdc (id STRING,name STRING,address STRING,zip STRING,city_hotel STRING,cc1 STRING,ufi STRING,class STRING,currencycode STRING,minrate STRING,maxrate STRING,preferred STRING,nr_rooms STRING,longitude STRING,latitude STRING,public_ranking STRING,hotel_url STRING,photo_url STRING,desc_en STRING,desc_fr STRING,desc_es STRING,desc_de STRING,desc_nl STRING,desc_it STRING,desc_pt STRING,desc_ja STRING,desc_zh STRING,desc_pl STRING,desc_ru STRING,desc_sv STRING,desc_ar STRING,desc_el STRING,desc_no STRING,city_unique STRING,city_preferred STRING,continent_id STRING,review_score STRING,review_nr STRING)
ROW FORMAT DELIMITED fields terminated by '\t' lines terminated by '\n'
stored as textfile
LOCATION 's3://properties-uat-imports/input/BDC'
tblproperties("skip.header.line.count"="1");
CREATE TEMPORARY TABLE TempTableDeletes(ChannelAccessCode STRING)
ROW FORMAT DELIMITED fields terminated by '|' lines terminated by '\n';
INSERT INTO TABLE TempTableDeletes SELECT channelAccessCodes.id FROM channelAccessCodes LEFT JOIN bdc ON channelAccessCodes.id = CONCAT('BDC',bdc.id) WHERE CONCAT('BDC',bdc.id) IS NULL AND channelAccessCodes.id LIKE 'BDC%';
Раздел - Запись выбранных данных S3
create external table s3_export_deletes(ChannelAccessCode STRING)
row format delimited lines terminated by '\n'
stored as textfile
LOCATION 's3://properties-uat-imports-emr/';
Записи
INSERT OVERWRITE TABLE s3_export_deletes SELECT * from TempTableDeletes;
Это в основном считывает данные из таблицы динамо, и файл с S3 ... делает некоторый jiggery pokery в выходной таблицу и записывает эту таблицу на ведро S3.
Когда этот сценарий Hive работает на EMR, он записывает один файл в S3. У меня есть уведомление, настроенное на этом ведре, чтобы отправить сообщение в очередь SQS всякий раз, когда на ведро получено уведомление PUT. Я только ожидаю, что будет одно уведомление, но, кажется, несколько (6, если быть точным)?
Кто-нибудь знает, почему это так? И можно ли заставить Hive сделать только один звонок в ведро S3?
Спасибо,
Крис
Я настоятельно рекомендую вам установить форматирование вокруг вашего кода. –