如何自动更新配置单元分区表的元数据?
如果将新的分区数据添加到HDFS中(不执行alter表添加分区命令)。然后我们可以通过执行命令"msck repair"来同步元数据。
如果从HDFS中删除了大量分区数据(没有执行alter table drop partition commad执行),该怎么办。
同步蜂巢元数据的方法是什么?
EDIT:从Hive 3.0.0MSCK
开始,现在可以使用以下语法发现新分区或删除丢失的分区(或两者兼有):
MSCK [REPAIR] TABLE table_name [ADD/DROP/SYNC PARTITIONS]
这在HIVE-17824 中实现
正如HakkiBuyukcengiz正确指出的那样,如果HDFS上的相应文件夹被手动删除,MSCK REPAIR
不会删除分区,它只会在创建新文件夹时添加分区。
官方文件摘录:
换句话说,它会将HDFS上存在但不在元存储中的任何分区添加到元存储中。
如果在HDFS上手动删除多个分区文件夹,并且我想快速刷新分区,那么在external
表存在的情况下,我通常会这样做:
- 删除表(
DROP TABLE table_name
)(删除外部表不会删除基础分区文件) - 重新创建表(
CREATE EXTERNAL TABLE table_name ...
) - 修复(
MSCK REPAIR TABLE table_name
)
根据分区的数量,这可能需要很长时间。另一种解决方案是对每个删除的分区文件夹使用ALTER TABLE DROP PARTITION (...)
,但如果删除了多个分区,这可能会很乏味。
尝试使用
MSCK REPAIR TABLE <tablename>;
确保表设置为外部,删除所有分区,然后运行表修复:
alter table mytable_name set TBLPROPERTIES('EXTERNAL'='TRUE')
alter table mytable_name drop if exists partition (`mypart_name` <> 'null');
msck repair table mytable_name;
如果msck修复抛出错误,则从终端运行配置单元,如下所示:hive --hiveconf hive.msck.path.validation=ignore
或set hive.msck.path.validation=ignore;