FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.DDLTask. Current user : ys is not allowed to list roles. User has to belong to ADMIN role and have it as current role, for this action. FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.DDLTask. Current user : ys is not allowed get principals in a role. User has to belong to ADMIN role and have it as current role, for this action. Otherwise, grantor need to have ADMIN OPTION on role being granted and have it as a current role for this action.

这个问题看起来是由于缺乏足够的权限而导致的。根据错误信息，当前用户 "ys" 没有足够的权限来执行该操作。

要解决这个问题，您可以尝试以下方法：

1. 确认您是否具有足够的权限执行该操作。请确保您已经成为管理员角色，并且具有必要的权限来执行该操作。

2. 如果您已经是管理员角色并且仍然无法执行该操作，请检查您是否已经将管理员角色设置为当前角色。您可以尝试使用以下命令将管理员角色设置为当前角色：

   SET ROLE admin;

3. 如果您不是管理员角色，请联系具有管理员权限的用户或管理员来授予您所需的权限。

希望这些方法可以帮助您解决问题。如果问题仍然存在，请提供更多信息，以便我可以提供更准确的解决方案。

相关问题

eeror while processing statement:failed:execution error return code 2 from org.apache.hadoop.hive.ql.exec.mr.mapredtask

这个错误信息表明在执行Hive查询时出现了问题，具体来说是在MapReduce任务中出现了错误。这可能是由于多种原因引起的，例如查询语法错误、数据格式错误、资源不足等等。为了解决这个问题，你可以尝试以下几个步骤：

1.检查查询语法是否正确，特别是在使用关键字、函数和表名时是否有拼写错误。

2.检查数据格式是否正确，例如日期格式、数字格式等等。

3.检查资源是否充足，例如内存、CPU等等。

4.检查Hive配置是否正确，例如Hive版本、Hadoop版本等等。

5.检查Hive日志以获取更多详细信息，以便更好地了解问题的根本原因。

下面是一个例子，展示如何查看Hive日志：

sudo tail -f /var/log/hive/hiveserver2.log

FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.DDLTask

As an AI language model, I do not have the context to provide a specific solution to this error. However, this error message typically indicates that there has been a problem with the execution of a Hive DDL (Data Definition Language) task.

Some common causes of this error include:

- Invalid syntax in the Hive query
- Issues with permissions or access to the Hadoop file system
- Incompatible or missing dependencies for the Hive query
- Insufficient memory or resources on the Hadoop cluster

To troubleshoot this error, you may need to review the logs and diagnostic information to determine the specific cause of the issue. It may also be helpful to consult with other members of your team or seek assistance from a Hadoop or Hive expert.