通过spark-sql、hive-sql、hue等提交select或者insert overwrite等sql到hive时,会产生该目录,用于临时存放执行结果,比如insert overwrite会将结果暂存到该目录下,待任务结束,将结果复制到hive表中。 关于该目录的生成位置策略可参考该文章:https://blog.csdn.net/zhoudetiankong/article/details/51800887,文章中提到了可修改该目录的生成位置,复述如下: 默认配置: <property> <name>hive.exec.stagingdir</name> <value>.hive-staging</value> </property>
修改后: <property> <name>hive.exec.stagingdir</name> <value>/tmp/hive/.hive-staging</value> </property>
测试对hive生效,sparksql不起作用,应该是sparksql的bug: https://issues.apache.org/jira/browse/SPARK-1837
两种情况下hive-staging文件不会自动删除:1、任务执行过程中出现异常 2、长时间保持连接或者会话。 所以修改hive.exec.stagingdir到一个特定的目录还是很有必要的,如果不输出到一个特定目录,而输出到表目录下面,很难检测到这些垃圾文件,可参考: https://www.aboutyun.com//forum.php/?mod=viewthread&tid=20657&extra=page%3D1&page=1&
|