ImportError Python Hive UDF

Question

我想将一些常量放在一个 Python 文件中并将其导入到另一个文件中。我创建了两个文件，一个带有常量，一个导入它，一切都在本地运行良好：

constants.py：

CONST = "hi guy"

test_constants.py：

from constants import CONST
import sys

for line in sys.stdin:
    print(CONST)

本地测试：

$ echo "dummy" | python test_constants.py
hi guy

使用 Hive 进行测试（直线）：

hive> add file hdfs://path/.../test_constants.py;
No rows affected (0.191 seconds)
hive> add file hdfs://path/.../constants.py;
No rows affected (0.049 seconds)
hive> list files;
resource
/tmp/bb09f878-7e36-4aa2-8566-a30950072bcb_resources/test_constants.py
/tmp/bb09f878-7e36-4aa2-8566-a30950072bcb_resources/constants.py
2 rows selected (0.179 seconds)
hive> with t as (select 1 as dummy) 
  select transform (dummy) 
  using 'python test_constants.py' 
  as dummy_out 
  from t;
Error: org.apache.hive.service.cli.HiveSQLException: 
Error while processing statement: FAILED: 
Execution Error, return code 2 from org.apache.hadoop.hive.ql.exec.tez.TezTask. 
Vertex failed, vertexName=Map 1, vertexId=vertex_1535407036047_170618_1_00, diagnostics=[Task failed, taskId=task_1535407036047_170618_1_00_000000, diagnostics=[TaskAttempt 0 failed, info=[Error: Error while running task ( failure ) : attempt_1535407036047_170618_1_00_000000_0:
java.lang.RuntimeException: java.lang.RuntimeException: Hive Runtime Error while closing operators

日志如下所示：

Log Type: stderr
Log Upload Time: Mon Oct 29 15:50:42 -0700 2018
Log Length: 251

2018-10-29 15:45:16 Starting to run new task attempt: attempt_1535407036047_170618_1_00_000000_3
Traceback (most recent call last):
  File "test_constants.py", line 1, in <module>
    from constants import CONST
ImportError: No module named constants

这两个文件似乎在同一个文件夹中，因此导入似乎应该可以工作，但它没有。

于 2018 年 10 月 30 日添加：

@serge_k 的回答有效，但是，我最初遇到了麻烦，因为我拥有 Python UDF 的路径最初不适用于 hive。将所有文件移动到 HDFS 上的 /tmp 后，一切都按预期工作。

hive> add file hdfs://dev/tmp/transforms;
No rows affected (0.108 seconds)
hive> list files;
resource
/tmp/61ecb363-ead6-4679-8f58-3611db9487b2_resources/transforms
1 row selected (0.202 seconds)
hive> select transform (col) using 'python transforms/test_constants.py' as dummy_out from dummy.test;
dummy_out
hi guy
hi guy
hi guy
hi guy
hi guy
hi guy
hi guy
hi guy
hi guy
hi guy
10 rows selected (63.734 seconds)

Answer 1

将您的 python 脚本放在一个文件夹中，例如files，将整个文件夹添加到分布式缓存中，并将脚本调用为python files/script_name.py：

hive> add file ./files;
Added resources: [./files]
hive> with t as (select 1 as dummy) select transform (dummy) 
      using 'python files/test_constants.py' as dummy_out from t;

OK
hi guy