将数据从 Hive PARQUET 表迁移到 BigQuery，Hive 字符串数据类型正在 BQ 中转换 - BYTES 数据类型

Question

我正在尝试将数据从 Hive 迁移到 BigQuery。 Hive 表中的数据以 PARQUET 文件格式存储。一列的数据类型是 STRING，我正在将 Hive 表后面的文件上传到 Google 云存储上，并从该文件中使用 GUI 创建 BigQuery 内部表。导入表中列的数据类型正在转换为 BYTES。

但是当我导入 VARCHAR 数据类型的 CHAR 时，结果数据类型仅为 STRING。

谁能帮我解释一下为什么会这样。

Answer 1

这并没有回答最初的问题，因为我不知道到底发生了什么，但有过类似奇怪行为的经历。

我在尝试在 Cloudera 和 BigQuery 之间移动表时遇到了类似的问题。

首先在 Impala 上将表创建为外部表，例如：

CREATE EXTERNAL TABLE test1
  STORED AS PARQUET
  LOCATION 's3a://table_migration/test1'
  AS select * from original_table

original_table 包含 STRING 数据类型的列

然后将其传输到 GS 并从控制台 GUI 将其导入 BigQuery 中，选项不多，只需选择 Parquet 格式并指向 GS。

令我惊讶的是，我可以看到列现在是 BYTES 类型，列名保留得很好，但内容被打乱了。

尝试不同的编解码器、预先创建表格并在 Impala 中插入仍然不会导致任何变化。

最后我尝试在 Hive 中做同样的事情，这很有帮助。

所以我最终在 Hive 中创建了外部表，例如：

CREATE EXTERNAL TABLE test2 (col1 STRING, col2 STRING)
  STORED AS PARQUET
  LOCATION 's3a://table_migration/test2';

insert into table test2 select * from original_table;

然后从 S3 复制到 GS 并在 BQ 中导入重复相同的舞蹈 - 这次没有任何问题。列现在在 BQ 中被识别为 STRING，数据也应如此。