没问题！你找到的那段SQL是SQL Server专属的，和Hive完全不相关，我先帮你拆解这段代码消除困惑，再给出适配Hive的解决方案，最后整合到你的Python辅助函数里。

先解释你找到的那段SQL #

你贴的这段代码是用来查询SQL Server系统库的主数据文件路径，和Hive毫无关系：

SELECT SUBSTRING(physical_name, 1, CHARINDEX(N'master.mdf', LOWER(physical_name)) - 1) DataFileLocation 
FROM master.sys.master_files 
WHERE database_id = 1 AND FILE_ID = 1

• master.sys.master_files是SQL Server的系统表，存储所有数据库文件的元信息
• CHARINDEX(N'master.mdf', LOWER(physical_name))用来定位master.mdf文件名在完整路径中的位置
• SUBSTRING截取路径部分，最终得到SQL Server主数据文件的存储目录

Hive表HDFS路径的正确查询方式 #

要获取Hive表的HDFS存储路径，有两种常用方法，你可以根据自己的场景选择：

方法1：用DESCRIBE FORMATTED查询（适合所有场景） #

这是Hive原生支持的命令，会返回表的详细元数据，其中包含Location字段：

DESCRIBE FORMATTED your_schema.your_table;

执行后，你会在结果里找到类似这样的行：

Location:               hdfs://your-nn-host:8020/user/hive/warehouse/your_schema.db/your_table

方法2：直接查询Hive元数据表（适合需要直接返回路径字符串的场景） #

Hive的元数据通常存在关系型数据库（比如MySQL、PostgreSQL）中，你可以直接查询元数据表来获取路径，这种方式会直接返回路径字符串，不需要提取多行结果：

SELECT 
  s.location 
FROM 
  metastore.DBS d
JOIN 
  metastore.TBLS t ON d.db_id = t.db_id
JOIN 
  metastore.SDS s ON t.sd_id = s.sd_id
WHERE 
  d.name = 'your_schema_name' 
  AND t.tbl_name = 'your_table_name';

注意：metastore是Hive元数据库的名称，实际环境中可能叫hive_metastore，需要根据你的配置调整。

整合到你的Python单元测试辅助函数 #

下面给出两种常用Python连接Hive的实现方式，你可以根据自己用的库选择：

方式1：用pyhive连接HiveServer2 #

from pyhive import hive

@classmethod
def return_table_location(cls, schema, table) -> str:
    """Returns the location of the data files for a Hive table"""
    # 替换为你的HiveServer2地址、端口和用户名
    conn = hive.connect(host='your_hive_host', port=10000, username='your_username')
    cursor = conn.cursor()
    
    # 使用参数化查询避免SQL注入
    table_location_query = """
        SELECT s.location 
        FROM metastore.DBS d
        JOIN metastore.TBLS t ON d.db_id = t.db_id
        JOIN metastore.SDS s ON t.sd_id = s.sd_id
        WHERE d.name = %s AND t.tbl_name = %s
    """
    cursor.execute(table_location_query, (schema, table))
    result = cursor.fetchone()
    
    # 关闭连接
    cursor.close()
    conn.close()
    
    # 返回路径，若表不存在则返回None
    return result[0] if result else None

方式2：用Spark SQL连接Hive #

如果你的测试环境用Spark，可以用这种方式：

from pyspark.sql import SparkSession

@classmethod
def return_table_location(cls, schema, table) -> str:
    """Returns the location of the data files for a Hive table using Spark SQL"""
    # 初始化SparkSession并启用Hive支持
    spark = SparkSession.builder \
        .appName("HiveTableLocationLookup") \
        .enableHiveSupport() \
        .getOrCreate()
    
    # 执行DESCRIBE FORMATTED并提取Location字段
    desc_result = spark.sql(f"DESCRIBE FORMATTED {schema}.{table}")
    location_row = desc_result.filter(desc_result.col_name == 'Location').collect()
    
    spark.stop()
    
    # 返回路径，若表不存在则返回None
    return location_row[0]['data_type'] if location_row else None

注意事项 #

• 确保执行查询的用户有访问Hive元数据的权限（尤其是用元数据表查询的方式）
• 无论是内部表还是外部表，这两种方法都能正确获取到HDFS路径
• 一定要用参数化查询（比如pyhive里的%s占位符），不要直接拼接schema和table到SQL字符串中，避免SQL注入风险

内容的提问来源于stack exchange，提问作者arctic.queenolina