Hive: ¿escribir encabezados de columna en un archivo local?

Intenta

set hive.cli.print.header=true;

Sí puedes. Ponga el set hive.cli.print.header=true; en un archivo .hiverc en su directorio principal o en cualquiera de los otros archivos de propiedades de usuario de hive.

Advertencia vaga: tenga cuidado, ya que esto ha bloqueado consultas mías en el pasado (pero no puedo recordar la razón).

De hecho, la respuesta de @nija es correcta, al menos por lo que yo sé. No hay forma de escribir los nombres de las columnas cuando se hace un insert overwrite into [local] directory ... (ya sea que se use local o no).

Con respecto a los bloqueos descritos por @user1735861, hay un error conocido en hive 0.7.1 (corregido en 0.8.0) que, después de hacer set hive.cli.print.header=true;, causa un NullPointerException para cualquier comando/consulta HQL que no produce salida. Por ejemplo:

$ hive -S
hive> use default; 
hive> set hive.cli.print.header=true;
hive> use default;
Exception in thread "main" java.lang.NullPointerException
    at org.apache.hadoop.hive.cli.CliDriver.processCmd(CliDriver.java:222)
    at org.apache.hadoop.hive.cli.CliDriver.processLine(CliDriver.java:287)
    at org.apache.hadoop.hive.cli.CliDriver.main(CliDriver.java:517)
    at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
    at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:57)
    at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
    at java.lang.reflect.Method.invoke(Method.java:616)
    at org.apache.hadoop.util.RunJar.main(RunJar.java:197)

Considerando que esto está bien:

$ hive -S
hive> set hive.cli.print.header=true;
hive> select * from dual;
c
c
hive> 

Sin embargo, los comandos no HQL están bien (set,dfs !, etc...)

Más información aquí: https://issues.apache.org/jira/browse/HIVE-2334

No es una gran solución, pero esto es lo que hago:

create table test_dat
ROW FORMAT DELIMITED FIELDS TERMINATED BY "\t" STORED AS 
INPUTFORMAT "com.hadoop.mapred.DeprecatedLzoTextInputFormat" 
OUTPUTFORMAT "org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat" 
LOCATION '/tmp/test_dat' as select * from YOUR_TABLE;

hive -e 'set hive.cli.print.header=true;select * from YOUR_TABLE limit 0' > /tmp/test_dat/header.txt

cat header.txt 000* > all.dat

Me encontré con este problema hoy y pude obtener lo que necesitaba haciendo una UNIÓN entre la consulta original y una nueva consulta ficticia que crea la fila de encabezado. Agregué una columna de ordenación en cada sección y establecí el encabezado en 0 y los datos en 1 para poder ordenar por ese campo y garantizar que la fila del encabezado saliera en la parte superior.

create table new_table as
select 
  field1,
  field2,
  field3
from
(
  select
    0 as sort_col,  --header row gets lowest number
    'field1_name' as field1,
    'field2_name' as field2,
    'field3_name' as field3
  from
    some_small_table  --table needs at least 1 row
  limit 1  --only need 1 header row
  union all
  select
    1 as sort_col,  --original query goes here
    field1,
    field2,
    field3
  from
    main_table
) a
order by 
  sort_col  --make sure header row is first

Es un poco voluminoso, pero al menos puede obtener lo que necesita con una sola consulta.

Espero que esto ayude!

Aquí está mi opinión. Nota, no estoy muy versado en bash, por lo que las sugerencias de mejoras son bienvenidas:)

#!/usr/bin/env bash

# works like this:
# ./get_data.sh database.table > data.csv

INPUT=$1
TABLE=${INPUT##*.}
DB=${INPUT%.*}

HEADER=`hive -e "
  set hive.cli.print.header=true;
  use $DB;
  INSERT OVERWRITE LOCAL DIRECTORY '$TABLE'
  row format delimited
  fields terminated  by ','
  SELECT * FROM $TABLE;"`

HEADER_WITHOUT_TABLE_NAME=${HEADER//$TABLE./}
echo ${HEADER_WITHOUT_TABLE_NAME//[[:space:]]/,}
cat $TABLE/*