时间戳

首页 > 解决方案 > 在 Spark 中计算 Hive 表的统计信息

scala - 在 Spark 中计算 Hive 表的统计信息

问题描述

我创建了一个 DataFrame 来加载 CSV 文件并创建了一个临时表来获取列统计信息。

但是，当我尝试运行 ANALYZE 命令时，我遇到了以下错误相同的分析命令在 Hive 中成功运行。

火花版本：1.6.3

df = sqlContext.read
.format("com.databricks.spark.csv")
.option("header", "true") 
.option("mode", "DROPMALFORMED")
.load("/bn_data/bopis/*.csv")

// To get the statistics of columns
df.registerTempTable("bopis")

val stat=sqlContext.sql("analyze table bopis compute statistics for columns").show()

错误：

    java.lang.RuntimeException: [1.1] failure: ``with'' expected but identifier analyze found

analyze table bopis compute statistics for columns
^

请告诉我们如何使用 Spark 实现列统计

谢谢。！

标签： scalaapache-sparkapache-spark-sql

解决方案

如果使用该FOR COLUMNS选项，则必须传递列名列表，请参阅https://docs.databricks.com/spark/latest/spark-sql/language-manual/analyze-table.html

在任何情况下，即使您这样做，您也会收到错误消息，因为您无法在临时表上运行计算统计信息。（你会得到一个Table or view 'bopis' not found in database 'default'）。

您必须通过创建一个完整的 Hive 表，df.write.saveAsTable("bopis_hive")或者sqlContext.sql("CREATE TABLE bopis_hive as SELECT * from bopis")

推荐阅读