我是一名Hadoop和Python方面的新手,目前遇到一些问题,希望能得到您的帮助...我有一个文件,大约150条记录,每条记录有10列,已经被加载到了一个Hive表(table1)中。第10列(我们称之为col10)是使用utf-8编码的,所以为了解码它,我编写了一个小的Python函数(命名为pyfile.py),如下所示:
Python函数:
我使用以下命令将文件添加到分布式缓存中:
import sys
import urllib
for line in sys.stdin:
line = line.strip()
col10 = urllib.unquote(line).decode('utf8')
print ''.join(col10.replace("+",' '))
我使用以下命令将文件添加到分布式缓存中:
我使用以下命令将文件添加到分布式缓存中:
add FILE folder1/pyfile.py;
现在,我正在使用Transform调用此Python函数来处理我的Hive表中的col10,如下所示:
Select Transform(col10)
USING 'python pyfile.py'
AS (col10)
From table1;
问题描述:
当对表的前100条记录进行调用时,一切运行良好,但调用101-150条记录时会出现以下错误:
2015-10-30 00:58:20,320 INFO [IPC Server handler 0 on 33716] org.apache.hadoop.mapred.TaskAttemptListenerImpl: Diagnostics report from attempt_1445826741287_0032_m_000000_0: Error: java.lang.RuntimeException: Hive Runtime Error while closing operators
at org.apache.hadoop.hive.ql.exec.mr.ExecMapper.close(ExecMapper.java:217)
at org.apache.hadoop.mapred.MapRunner.run(MapRunner.java:61)
at org.apache.hadoop.mapred.MapTask.runOldMapper(MapTask.java:453)
at org.apache.hadoop.mapred.MapTask.run(MapTask.java:343)
at org.apache.hadoop.mapred.YarnChild$2.run(YarnChild.java:163)
at java.security.AccessController.doPrivileged(Native Method)
at javax.security.auth.Subject.doAs(Subject.java:415)
at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1671)
at org.apache.hadoop.mapred.YarnChild.main(YarnChild.java:158)
Caused by: org.apache.hadoop.hive.ql.metadata.HiveException: [Error 20003]: An error occurred when trying to close the Operator running your custom script.
at org.apache.hadoop.hive.ql.exec.ScriptOperator.close(ScriptOperator.java:557)
at org.apache.hadoop.hive.ql.exec.Operator.close(Operator.java:610)
at org.apache.hadoop.hive.ql.exec.Operator.close(Operator.java:610)
at org.apache.hadoop.hive.ql.exec.Operator.close(Operator.java:610)
at org.apache.hadoop.hive.ql.exec.mr.ExecMapper.close(ExecMapper.java:199)
... 8 more
我将101-150条记录复制到一个文本文件中,然后单独在它们上运行Python脚本,发现脚本可以正常运行。
请告诉我为什么它会出现错误,并提供解决方案。
urllib.unquote(line.decode('utf8'))
。此外,我认为您可能想使用urllib.unquote_plus
。 - maxymoo