pyspark 操作由json创建的hive表报错：AnalysisException: cannot resolve'`xxx`'given input columns:

• hive中表的结构：

  

• 在hive目录下已经创建了auxlib子目录并放入下载的jar包以支持json：

  

• 代码，尝试用spark操作由json数据构成的hive表数据：

  uup.spark.sql('use profile')
  user_action = uup.spark.sql("select actionTime,readTime,channelId,param.articleId,param['algorithmCombie'] algorithmCombie,param['action'] action,param['userId'] userId from user_action where dt>='2019-04-01'")
  user_action.show()
  

• 报错：

  

• 原因：hive表如果是由json数据构成的，需要引入hive-hcatalog-core-x.x.x.jar包，这里hive下面已经引入了，所以将代码中的select语句赋值到hive中直接查询是没有问题的。这里的问题是使用spark操作hive的引擎与直接在终端使用hive命令是不一样的，如果直接在终端使用hive命令打开操作hive数据库，hive使用的是hadoop的mapreduce来操作数据。而如果在spark上操作hive数据库，使用的引擎是spark自己的rdd。所以如果操作由json构成的hive表，spark中也应该引入hive-hcatalog-core-x.x.x.jar包。

• 解决：将hive中的hive-hcatalog-core-x.x.x.jar复制一份到spark中的jars子目录下。

  

  这时重启jupyter服务（只重启jupyter就行，hive、spark都不需要重启），清掉jupyter中的缓冲，再次执行代码：

  

  成功查询到数据！