Hive分區表動態添加字段

場景描述：

　　公司埋點項目，數據從接口服務寫入kafka集群，再從kafka集群消費寫入HDFS文件系統，最后通過Hive進行查詢輸出。這其中存在一個問題就是：埋點接口中的數據字段是變化，后續會有少量字段添加進來。這導致Hive表結構也需要跟着變化，否則無法通過Hive查詢到最新添加字段的數據。

 

解決辦法：

　　為數據表添加字段，字段必須添加到已有字段的最后面。因為已經存在的數據是按照之前的表結構寫入到HDFS文件中的，當添加新字段時為了能兼容前面已經存在的數據。在新增的字段加到分區表后，之前已經存在分區表中的數據會為這些新增的字段賦予默認值NULL。

具體操作：

hive> show databases; //查詢當前所有數據庫
OK
db_hive_test
default
Time taken: 0.014 seconds, Fetched: 2 row(s)

Hive> use default;

hive> show create table bp_rec_session; //顯示表結構及相關配置信息
OK
CREATE TABLE `bp_rec_session`(
  `appversion` string, 
  ……
  `cpucs` string)
PARTITIONED BY ( 
  `idate` string)
ROW FORMAT SERDE 
  'org.apache.hadoop.hive.ql.io.parquet.serde.ParquetHiveSerDe' 
STORED AS INPUTFORMAT 
  'org.apache.hadoop.hive.ql.io.parquet.MapredParquetInputFormat' 
OUTPUTFORMAT 
  'org.apache.hadoop.hive.ql.io.parquet.MapredParquetOutputFormat'
LOCATION
  'hdfs://x.x.x.x:9000/bp/rec_session'
TBLPROPERTIES (
  'last_modified_by'='os', 
  'last_modified_time'='1519977809', 
  'parquet.compression'='SNAPPY', 
  'transient_lastDdlTime'='1519977809')
Time taken: 0.024 seconds, Fetched: 65 row(s)

hive> alter table bp_rec_session add columns(language string, loginType string); //為分區表添加language和loginType字段

hive> show create table bp_rec_session; //查看修改后的表結構
OK
CREATE TABLE `bp_rec_session`(
  `appversion` string, 
   …… 
  `cpucs` string, 
  `language` string, 
  `logintype` string)
PARTITIONED BY ( 
  `idate` string)
ROW FORMAT SERDE 
  'org.apache.hadoop.hive.ql.io.parquet.serde.ParquetHiveSerDe' 
STORED AS INPUTFORMAT 
  'org.apache.hadoop.hive.ql.io.parquet.MapredParquetInputFormat' 
OUTPUTFORMAT 
  'org.apache.hadoop.hive.ql.io.parquet.MapredParquetOutputFormat'
LOCATION
  'hdfs://x.x.x.x:9000/bp/rec_session'
TBLPROPERTIES (
  'last_modified_by'='os', 
  'last_modified_time'='1519977809', 
  'parquet.compression'='SNAPPY', 
  'transient_lastDdlTime'='1519977809')

hive> select * from bp_rec_session limit 1; //查詢表數據，檢驗對表結構修改后是否還能查詢已經存在的數據
OK
7.2    …… Y0MDY2OA=e5d3=    8    NULL    NULL    20180105
Time taken: 0.139 seconds, Fetched: 1 row(s)

上述查詢結果中的兩個"NULL"即為后面添加字段賦予的默認值！

注意（坑）：

問題：在hive表中增加字段后，向分區表中寫入數據（包含新增字段），查詢分區表數據發現新增字段值均為“NULL”！

原因分析：表結構新增字段與創建分區表的順序不同，導致查詢結果不同

1.創建分區在修改表結構之后（能獲取新增字段值）

2.創建分區在修改表結構之前（不能獲取新增字段值）

對於第二種情況，因為分區表在修改表結構之前已經存在，所有在修改表結構的時候，新增字段並沒有被加到分區表中。

而第一種情況在創建分區表的時候，直接使用了最新的表結構，所有分區表中包含所有的字段。

解決辦法：

對應第二種情況，在執行完修改表結構語句 alter table table_name add columns(column_name string)后，接着需要執行

語句 alter table table_name partition(partition_name='分區值') add columns(column_name string); 【假設分區表名‘分區值’】