spark-beeline导出hive表数据到csv方法,乱码原因及解决方案

亲测语句1: 

spark-beeline -u jdbc:hive2://10.254.1.1:13002,10.254.1.1:13002,10.254.1.1:13002 
--verbose=true --outputformat=csv -e 
"select * from lqioc_ioc_ods.wghhjrkxx limit 100000">wghhjrkxx.csv

亲测语句2:

spark-beeline -u jdbc:hive2://10.254.1.1:13002,10.254.1.1:13002,10.254.1.1:13002 
--verbose=true --outputformat=csv -e 
"select concat_ws(',',zym,xh,xm,sswg,xb,csrq,sfzhm,hhf,yhzgxf,hjd,hjmlxz,
xzd,xzmlxz,wzsyy,fwcs,lxdh,lxsj,
mz,zzmm,xl,zylb,zy,hyzk,zjxy,jg,rhyzbs,wcyy,wcsj,wcqx,wcxz,createtime,
updatetime,seq,updatestatus,sys_key) 
as onecl from lqioc_ioc_ods.wghhjrkxx limit 100000">wghhjrkxx.csv

iconv -f UTF-8 -c -t GBK wghhjrkxx.csv > wghhjrkxx2.csv

例如:

beeline -u $url --silent=true --showHeader=false --outputformat=csv --color=true -e "$hql" 

格式参数:--outputformat=[table/vertical/csv/tsv/dsv/csv2/tsv2]

hive表中的数据使用hive - e"select * from table">aa.csv导出到csv文件的时候在window中用Excel打开查看的时候是乱码,而且格式也不对。

原因有下面两个:

1.乱码的原因是用excel打开csv时格式默认为gbk,但是从hive中导出来的是utf8的

2.格式不对的原因是csv文件的列分隔符是逗号或者\t,而hive中默认使用\001

解决办法:

使用hive中的concat_ws函数将所有列连接起来组成一列。

concat_ws('分隔符',列1,列2,……),语句如下

hive -e " select concat_ws(',',cat1,cat2,dd_name) as onecl from dd_prod">testaa.csv

然后再使用iconv -f UTF-8 -c  -t GBK testaa.csv > testbb.csv转换编码。得到的testbb.csv没有乱码格式也对。

原文:https://blog.csdn.net/lgdlxc/article/details/42126225 
 

你可能感兴趣的:(hive,spark)