Hive中配置Parquet(CDH4.3)

    CDH4.3版本中并没有提供现成的Parquet安装包，所以如果在Hive或Impala中需要使用Parquet格式，需要手动进行安装，当创建Parquet格式的表时，需要定义Parquet相关的InputFormat,OutputFormat,Serde，建表语句如下

hive> create table parquet_test(x int, y string) 
    > row format serde 'parquet.hive.serde.ParquetHiveSerDe'    
    > stored as inputformat 'parquet.hive.DeprecatedParquetInputFormat'                    
    > outputformat 'parquet.hive.DeprecatedParquetOutputFormat';
    FAILED: SemanticException [Error 10055]: Output Format must implement 
    HiveOutputFormat, otherwise it should be either IgnoreKeyTextOutputFormat or 
    SequenceFileOutputFormat

    提交语句会报错，原因是parquet.hive.DeprecatedParquetOutputFormat类并没有在Hive的CLASSPATH中配置，此类属于$IMPALA_HOME/lib目录下的parquet-hive-1.2.5.jar，所以在$HIVE_HOME/lib目录下建立个软链就可以了

cd $HIVE_HOME/lib
ln -s $IMPALA_HOME/lib/parquet-hive-1.2.5.jar

    继续提交建表语句，报错如下

hive> create table parquet_test(x int, y string)
    > row format serde 'parquet.hive.serde.ParquetHiveSerDe'
    > stored as inputformat 'parquet.hive.DeprecatedParquetInputFormat'                       
    > outputformat 'parquet.hive.DeprecatedParquetOutputFormat';
Exception in thread "main" java.lang.NoClassDefFoundError: parquet/hadoop/api/WriteSupport
  at java.lang.Class.forName0(Native Method)
  at java.lang.Class.forName(Class.java:247)
  at org.apache.hadoop.hive.ql.plan.CreateTableDesc.validate(CreateTableDesc.java:403)
  at org.apache.hadoop.hive.ql.parse.SemanticAnalyzer.analyzeCreateTable(SemanticAnalyzer.java:8858)
  at org.apache.hadoop.hive.ql.parse.SemanticAnalyzer.analyzeInternal(SemanticAnalyzer.java:8190)
  at org.apache.hadoop.hive.ql.parse.BaseSemanticAnalyzer.analyze(BaseSemanticAnalyzer.java:258)
  at org.apache.hadoop.hive.ql.Driver.compile(Driver.java:459)
  at org.apache.hadoop.hive.ql.Driver.compile(Driver.java:349)
  at org.apache.hadoop.hive.ql.Driver.run(Driver.java:938)
  at org.apache.hadoop.hive.ql.Driver.run(Driver.java:902)
  at org.apache.hadoop.hive.cli.CliDriver.processLocalCmd(CliDriver.java:259)
  at org.apache.hadoop.hive.cli.CliDriver.processCmd(CliDriver.java:216)
  at org.apache.hadoop.hive.cli.CliDriver.processLine(CliDriver.java:412)
  at org.apache.hadoop.hive.cli.CliDriver.run(CliDriver.java:759)
  at org.apache.hadoop.hive.cli.CliDriver.main(CliDriver.java:613)
  at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
  at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:39)
  at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:25)
  at java.lang.reflect.Method.invoke(Method.java:597)
  at org.apache.hadoop.util.RunJar.main(RunJar.java:208)
Caused by: java.lang.ClassNotFoundException: parquet.hadoop.api.WriteSupport
  at java.net.URLClassLoader$1.run(URLClassLoader.java:202)
  at java.security.AccessController.doPrivileged(Native Method)
  at java.net.URLClassLoader.findClass(URLClassLoader.java:190)
  at java.lang.ClassLoader.loadClass(ClassLoader.java:306)
  at sun.misc.Launcher$AppClassLoader.loadClass(Launcher.java:301)
  at java.lang.ClassLoader.loadClass(ClassLoader.java:247)
  ... 20 more

    报错的原因是因为缺少一些Parquet相关的jar文件，直接下载到$HIVE_HOME/lib目录下即可

cd /usr/lib/hive/lib
for f in parquet-avro parquet-cascading parquet-column parquet-common parquet-encoding parquet-generator parquet-hadoop parquet-hive parquet-pig parquet-scrooge parquet-test-hadoop2 parquet-thrift
> do
> curl -O https://oss.sonatype.org/service/local/repositories/releases/content/com/twitter/${f}/1.2.5/${f}-1.2.5.jar
> done
> curl -O https://oss.sonatype.org/service/local/repositories/releases/content/com/twitter/parquet-format/1.0.0/parquet-format-1.0.0.jar

    继续提交建表语句，正常通过。成功建表后，需要将其他表中的数据Load到Parquet格式的表中，在执行HQL过程中，需要使用Parquet相关的jar文件，有两种方法，一种是在运行语句前对每一个jar都执行add jar操作，比较麻烦。第二种是修改hive-site.xml文件进行配置

    

<property>
	<name>hive.aux.jars.path</name>
	<value>file:///usr/lib/hadoop/lib/parquet-hive-1.2.5.jar,file:///usr/lib/hadoop/lib/parquet-hadoop-1.2.5.jar,file:///usr/lib/hadoop/lib/parquet-avro-1.2.5.jar,file:///usr/lib/hadoop/lib/parquet-cascading-1.2.5.jar,file:///usr/lib/hadoop/lib/parquet-column-1.2.5.jar,file:///usr/lib/hadoop/lib/parquet-common-1.2.5.jar,file:///usr/lib/hadoop/lib/parquet-encoding-1.2.5.jar,file:///usr/lib/hadoop/lib/parquet-format-1.0.0.jar,file:///usr/lib/hadoop/lib/parquet-generator-1.2.5.jar,file:///usr/lib/hadoop/lib/parquet-scrooge-1.2.5.jar,file:///usr/lib/hadoop/lib/parquet-test-hadoop2-1.2.5.jar,file:///usr/lib/hadoop/lib/parquet-thrift-1.2.5.jar</value>
</property>

    配置好后，需要设置下parquet.compression属性，来标识格式转换后的压缩方式，目前支持UNCOMPRESSED,GZIP,SNAPPY三种格式。然后就可以通过insert...select进行格式转换了

参考资料：http://cmenguy.github.io/blog/2013/10/30/using-hive-with-parquet-format-in-cdh-4-dot-3/