Hive 配置单元表验证
我有一张有一些记录的蜂巢表。 我使用脚本验证该表,结果存储在另一个表中。 基本上,我必须对这两个表进行计数,并找出差异。 然后将差值与阈值进行比较 根据该结果,表将用于分析或拒绝 阈值是表可能包含的坏记录的度量值 例如:- 假设表A有100条记录。 记录经过验证,有效记录存储在另一个表B中。 假设表B有70条记录。 所以差值是100-70=30 假设阈值为20(意味着最多可以出现20条坏记录), 所以在这种情况下,表将被拒绝Hive 配置单元表验证,hive,hiveql,Hive,Hiveql,我有一张有一些记录的蜂巢表。 我使用脚本验证该表,结果存储在另一个表中。 基本上,我必须对这两个表进行计数,并找出差异。 然后将差值与阈值进行比较 根据该结果,表将用于分析或拒绝 阈值是表可能包含的坏记录的度量值 例如:- 假设表A有100条记录。 记录经过验证,有效记录存储在另一个表B中。 假设表B有70条记录。 所以差值是100-70=30 假设阈值为20(意味着最多可以出现20条坏记录), 所以在这种情况下,表将被拒绝 如何执行此操作?如果hive.stats.autogather设置为t
如何执行此操作?如果
hive.stats.autogather
设置为true
,则自动收集表格统计信息,包括numRows
在这种情况下,你所要做的就是检查统计数据,然后做出你想要的任何决定 如果情况并非如此,则只执行2个
选择count(*)
查询,例如-
src_numRows=$(hive -e "select count(*) from src")
trg_numRows=$(hive -e "select count(*) from trg")
附言
它可以通过单个查询完成,但我认为保存原始结果比保存差异更好
select s.cnt - t.cnt as diff
from (select count(*) as cnt from src) s
cross join (select count(*) as cnt from trg) t
;
演示
创建源表
create table src
as
select i+1 as n
from (select 1) x lateral view posexplode(split(space(100-1),' ')) pe as i,x
;
create table trg
as
select *
from src
where n > 30
;
创建目标表
create table src
as
select i+1 as n
from (select 1) x lateral view posexplode(split(space(100-1),' ')) pe as i,x
;
create table trg
as
select *
from src
where n > 30
;
检查表`统计数据 bash
src_numRows=$(hive -e "show tblproperties src ('numRows')")
trg_numRows=$(hive -e "show tblproperties trg ('numRows')")
printf "src:%g,trg:%g,diff:%g\n" ${src_numRows} ${trg_numRows} $((src_numRows-trg_numRows))
src:100,trg:70,diff:30
另一个选项是直接从metasotre检查统计数据
MySQL
select t.TBL_NAME
,tp.PARAM_VALUE
from DBS d
join TBLS t
on t.DB_ID = d.DB_ID
join TABLE_PARAMS tp
on tp.TBL_ID = t.TBL_ID
where d.NAME = 'default'
and t.TBL_NAME in ('src','trg')
and tp.PARAM_KEY = 'numRows'
;
您正在创建新表吗?插入到现有表中?这是一张分区的桌子吗?您正在插入到特定分区吗?我正在创建一个新表并在其中存储有效记录。