快乐与忧郁的码农
快乐与忧郁的码农

Hive分析窗口函数(四) LAG,LEAD,FIRST_VALUE,LAST_VALUE

继续学习这四个分析函数。

注意： 这几个函数不支持WINDOW子句。（什么是WINDOW子句，点此查看前面的文章 ）

Hive版本为 apache-hive-0.13.1

数据准备：

   
   
   
   
    
    
    
    
    
  1. cookie1,2015-04-10 10:00:02,url2
    2. 
    
    
    
    
  2. cookie1,2015-04-10 10:00:00,url1
    3. 
    
    
    
    
  3. cookie1,2015-04-10 10:03:04,1url3
    4. 
    
    
    
    
  4. cookie1,2015-04-10 10:50:05,url6
    5. 
    
    
    
    
  5. cookie1,2015-04-10 11:00:00,url7
    6. 
    
    
    
    
  6. cookie1,2015-04-10 10:10:00,url4
    7. 
    
    
    
    
  7. cookie1,2015-04-10 10:50:01,url5
    8. 
    
    
    
    
  8. cookie2,2015-04-10 10:00:02,url22
    9. 
    
    
    
    
  9. cookie2,2015-04-10 10:00:00,url11
    10. 
    
    
    
    
  10. cookie2,2015-04-10 10:03:04,1url33
    11. 
    
    
    
    
  11. cookie2,2015-04-10 10:50:05,url66
    12. 
    
    
    
    
  12. cookie2,2015-04-10 11:00:00,url77
    13. 
    
    
    
    
  13. cookie2,2015-04-10 10:10:00,url44
    14. 
    
    
    
    
  14. cookie2,2015-04-10 10:50:01,url55
    15. 
    
    
    
    
  15.  
    16. 
    
    
    
    
  16. CREATE EXTERNAL TABLE lxw1234 (
    17. 
    
    
    
    
  17. cookieid string,
    18. 
    
    
    
    
  18. createtime string,  --页面访问时间
    19. 
    
    
    
    
  19. url STRING       --被访问页面
    20. 
    
    
    
    
  20. ) ROW FORMAT DELIMITED 
    21. 
    
    
    
    
  21. FIELDS TERMINATED BY ',' 
    22. 
    
    
    
    
  22. stored as textfile location '/tmp/lxw11/';
    23. 
    
    
    
    
  23.  
    24. 
    
    
    
    
  24.  
    25. 
    
    
    
    
  25. hive> select * from lxw1234;
    26. 
    
    
    
    
  26. OK
    27. 
    
    
    
    
  27. cookie1 2015-04-10 10:00:02     url2
    28. 
    
    
    
    
  28. cookie1 2015-04-10 10:00:00     url1
    29. 
    
    
    
    
  29. cookie1 2015-04-10 10:03:04     1url3
    30. 
    
    
    
    
  30. cookie1 2015-04-10 10:50:05     url6
    31. 
    
    
    
    
  31. cookie1 2015-04-10 11:00:00     url7
    32. 
    
    
    
    
  32. cookie1 2015-04-10 10:10:00     url4
    33. 
    
    
    
    
  33. cookie1 2015-04-10 10:50:01     url5
    34. 
    
    
    
    
  34. cookie2 2015-04-10 10:00:02     url22
    35. 
    
    
    
    
  35. cookie2 2015-04-10 10:00:00     url11
    36. 
    
    
    
    
  36. cookie2 2015-04-10 10:03:04     1url33
    37. 
    
    
    
    
  37. cookie2 2015-04-10 10:50:05     url66
    38. 
    
    
    
    
  38. cookie2 2015-04-10 11:00:00     url77
    39. 
    
    
    
    
  39. cookie2 2015-04-10 10:10:00     url44
    40. 
    
    
    
    
  40. cookie2 2015-04-10 10:50:01     url55
    41.

LAG

LAG(col,n,DEFAULT) 用于统计窗口内往上第n行值
第一个参数为列名，第二个参数为往上第n行（可选，默认为1），第三个参数为默认值（当往上第n行为NULL时候，取默认值，如不指定，则为NULL）

   
   
   
   
    
    
    
    
    
  1. SELECT cookieid,
    2. 
    
    
    
    
  2. createtime,
    3. 
    
    
    
    
  3. url,
    4. 
    
    
    
    
  4. ROW_NUMBER() OVER(PARTITION BY cookieid ORDER BY createtime) AS rn,
    5. 
    
    
    
    
  5. LAG(createtime,1,'1970-01-01 00:00:00') OVER(PARTITION BY cookieid ORDER BY createtime) AS last_1_time,
    6. 
    
    
    
    
  6. LAG(createtime,2) OVER(PARTITION BY cookieid ORDER BY createtime) AS last_2_time 
    7. 
    
    
    
    
  7. FROM lxw1234;
    8. 
    
    
    
    
  8.  
    9. 
    
    
    
    
  9.  
    10. 
    
    
    
    
  10. cookieid createtime             url    rn       last_1_time             last_2_time
    11. 
    
    
    
    
  11. -------------------------------------------------------------------------------------------
    12. 
    
    
    
    
  12. cookie1 2015-04-10 10:00:00     url1    1       1970-01-01 00:00:00     NULL
    13. 
    
    
    
    
  13. cookie1 2015-04-10 10:00:02     url2    2       2015-04-10 10:00:00     NULL
    14. 
    
    
    
    
  14. cookie1 2015-04-10 10:03:04     1url3   3       2015-04-10 10:00:02     2015-04-10 10:00:00
    15. 
    
    
    
    
  15. cookie1 2015-04-10 10:10:00     url4    4       2015-04-10 10:03:04     2015-04-10 10:00:02
    16. 
    
    
    
    
  16. cookie1 2015-04-10 10:50:01     url5    5       2015-04-10 10:10:00     2015-04-10 10:03:04
    17. 
    
    
    
    
  17. cookie1 2015-04-10 10:50:05     url6    6       2015-04-10 10:50:01     2015-04-10 10:10:00
    18. 
    
    
    
    
  18. cookie1 2015-04-10 11:00:00     url7    7       2015-04-10 10:50:05     2015-04-10 10:50:01
    19. 
    
    
    
    
  19. cookie2 2015-04-10 10:00:00     url11   1       1970-01-01 00:00:00     NULL
    20. 
    
    
    
    
  20. cookie2 2015-04-10 10:00:02     url22   2       2015-04-10 10:00:00     NULL
    21. 
    
    
    
    
  21. cookie2 2015-04-10 10:03:04     1url33  3       2015-04-10 10:00:02     2015-04-10 10:00:00
    22. 
    
    
    
    
  22. cookie2 2015-04-10 10:10:00     url44   4       2015-04-10 10:03:04     2015-04-10 10:00:02
    23. 
    
    
    
    
  23. cookie2 2015-04-10 10:50:01     url55   5       2015-04-10 10:10:00     2015-04-10 10:03:04
    24. 
    
    
    
    
  24. cookie2 2015-04-10 10:50:05     url66   6       2015-04-10 10:50:01     2015-04-10 10:10:00
    25. 
    
    
    
    
  25. cookie2 2015-04-10 11:00:00     url77   7       2015-04-10 10:50:05     2015-04-10 10:50:01
    26. 
    
    
    
    
  26.  
    27. 
    
    
    
    
  27.  
    28. 
    
    
    
    
  28. last_1_time: 指定了往上第1行的值，default为'1970-01-01 00:00:00'  
    29. 
    
    
    
    
  29.              cookie1第一行，往上1行为NULL,因此取默认值 1970-01-01 00:00:00
    30. 
    
    
    
    
  30.              cookie1第三行，往上1行值为第二行值，2015-04-10 10:00:02
    31. 
    
    
    
    
  31.              cookie1第六行，往上1行值为第五行值，2015-04-10 10:50:01
    32. 
    
    
    
    
  32. last_2_time: 指定了往上第2行的值，为指定默认值
    33. 
    
    
    
    
  33. 						 cookie1第一行，往上2行为NULL
    34. 
    
    
    
    
  34. 						 cookie1第二行，往上2行为NULL
    35. 
    
    
    
    
  35. 						 cookie1第四行，往上2行为第二行值，2015-04-10 10:00:02
    36. 
    
    
    
    
  36. 						 cookie1第七行，往上2行为第五行值，2015-04-10 10:50:01
    37.

LEAD

与LAG相反
LEAD(col,n,DEFAULT) 用于统计窗口内往下第n行值
第一个参数为列名，第二个参数为往下第n行（可选，默认为1），第三个参数为默认值（当往下第n行为NULL时候，取默认值，如不指定，则为NULL）

   
   
   
   
    
    
    
    
    
  1. SELECT cookieid,
    2. 
    
    
    
    
  2. createtime,
    3. 
    
    
    
    
  3. url,
    4. 
    
    
    
    
  4. ROW_NUMBER() OVER(PARTITION BY cookieid ORDER BY createtime) AS rn,
    5. 
    
    
    
    
  5. LEAD(createtime,1,'1970-01-01 00:00:00') OVER(PARTITION BY cookieid ORDER BY createtime) AS next_1_time,
    6. 
    
    
    
    
  6. LEAD(createtime,2) OVER(PARTITION BY cookieid ORDER BY createtime) AS next_2_time 
    7. 
    
    
    
    
  7. FROM lxw1234;
    8. 
    
    
    
    
  8.  
    9. 
    
    
    
    
  9.  
    10. 
    
    
    
    
  10. cookieid createtime             url    rn       next_1_time             next_2_time 
    11. 
    
    
    
    
  11. -------------------------------------------------------------------------------------------
    12. 
    
    
    
    
  12. cookie1 2015-04-10 10:00:00     url1    1       2015-04-10 10:00:02     2015-04-10 10:03:04
    13. 
    
    
    
    
  13. cookie1 2015-04-10 10:00:02     url2    2       2015-04-10 10:03:04     2015-04-10 10:10:00
    14. 
    
    
    
    
  14. cookie1 2015-04-10 10:03:04     1url3   3       2015-04-10 10:10:00     2015-04-10 10:50:01
    15. 
    
    
    
    
  15. cookie1 2015-04-10 10:10:00     url4    4       2015-04-10 10:50:01     2015-04-10 10:50:05
    16. 
    
    
    
    
  16. cookie1 2015-04-10 10:50:01     url5    5       2015-04-10 10:50:05     2015-04-10 11:00:00
    17. 
    
    
    
    
  17. cookie1 2015-04-10 10:50:05     url6    6       2015-04-10 11:00:00     NULL
    18. 
    
    
    
    
  18. cookie1 2015-04-10 11:00:00     url7    7       1970-01-01 00:00:00     NULL
    19. 
    
    
    
    
  19. cookie2 2015-04-10 10:00:00     url11   1       2015-04-10 10:00:02     2015-04-10 10:03:04
    20. 
    
    
    
    
  20. cookie2 2015-04-10 10:00:02     url22   2       2015-04-10 10:03:04     2015-04-10 10:10:00
    21. 
    
    
    
    
  21. cookie2 2015-04-10 10:03:04     1url33  3       2015-04-10 10:10:00     2015-04-10 10:50:01
    22. 
    
    
    
    
  22. cookie2 2015-04-10 10:10:00     url44   4       2015-04-10 10:50:01     2015-04-10 10:50:05
    23. 
    
    
    
    
  23. cookie2 2015-04-10 10:50:01     url55   5       2015-04-10 10:50:05     2015-04-10 11:00:00
    24. 
    
    
    
    
  24. cookie2 2015-04-10 10:50:05     url66   6       2015-04-10 11:00:00     NULL
    25. 
    
    
    
    
  25. cookie2 2015-04-10 11:00:00     url77   7       1970-01-01 00:00:00     NULL
    26. 
    
    
    
    
  26.  
    27. 
    
    
    
    
  27. --逻辑与LAG一样，只不过LAG是往上，LEAD是往下。
    28.

FIRST_VALUE

取分组内排序后，截止到当前行，第一个值

   
   
   
   
    
    
    
    
    
  1. SELECT cookieid,
    2. 
    
    
    
    
  2. createtime,
    3. 
    
    
    
    
  3. url,
    4. 
    
    
    
    
  4. ROW_NUMBER() OVER(PARTITION BY cookieid ORDER BY createtime) AS rn,
    5. 
    
    
    
    
  5. FIRST_VALUE(url) OVER(PARTITION BY cookieid ORDER BY createtime) AS first1 
    6. 
    
    
    
    
  6. FROM lxw1234;
    7. 
    
    
    
    
  7.  
    8. 
    
    
    
    
  8. cookieid  createtime            url     rn      first1
    9. 
    
    
    
    
  9. ---------------------------------------------------------
    10. 
    
    
    
    
  10. cookie1 2015-04-10 10:00:00     url1    1       url1
    11. 
    
    
    
    
  11. cookie1 2015-04-10 10:00:02     url2    2       url1
    12. 
    
    
    
    
  12. cookie1 2015-04-10 10:03:04     1url3   3       url1
    13. 
    
    
    
    
  13. cookie1 2015-04-10 10:10:00     url4    4       url1
    14. 
    
    
    
    
  14. cookie1 2015-04-10 10:50:01     url5    5       url1
    15. 
    
    
    
    
  15. cookie1 2015-04-10 10:50:05     url6    6       url1
    16. 
    
    
    
    
  16. cookie1 2015-04-10 11:00:00     url7    7       url1
    17. 
    
    
    
    
  17. cookie2 2015-04-10 10:00:00     url11   1       url11
    18. 
    
    
    
    
  18. cookie2 2015-04-10 10:00:02     url22   2       url11
    19. 
    
    
    
    
  19. cookie2 2015-04-10 10:03:04     1url33  3       url11
    20. 
    
    
    
    
  20. cookie2 2015-04-10 10:10:00     url44   4       url11
    21. 
    
    
    
    
  21. cookie2 2015-04-10 10:50:01     url55   5       url11
    22. 
    
    
    
    
  22. cookie2 2015-04-10 10:50:05     url66   6       url11
    23. 
    
    
    
    
  23. cookie2 2015-04-10 11:00:00     url77   7       url11
    24.

LAST_VALUE

取分组内排序后，截止到当前行，最后一个值

   
   
   
   
    
    
    
    
    
  1. SELECT cookieid,
    2. 
    
    
    
    
  2. createtime,
    3. 
    
    
    
    
  3. url,
    4. 
    
    
    
    
  4. ROW_NUMBER() OVER(PARTITION BY cookieid ORDER BY createtime) AS rn,
    5. 
    
    
    
    
  5. LAST_VALUE(url) OVER(PARTITION BY cookieid ORDER BY createtime) AS last1 
    6. 
    
    
    
    
  6. FROM lxw1234;
    7. 
    
    
    
    
  7.  
    8. 
    
    
    
    
  8.  
    9. 
    
    
    
    
  9. cookieid  createtime            url    rn       last1  
    10. 
    
    
    
    
  10. -----------------------------------------------------------------
    11. 
    
    
    
    
  11. cookie1 2015-04-10 10:00:00     url1    1       url1
    12. 
    
    
    
    
  12. cookie1 2015-04-10 10:00:02     url2    2       url2
    13. 
    
    
    
    
  13. cookie1 2015-04-10 10:03:04     1url3   3       1url3
    14. 
    
    
    
    
  14. cookie1 2015-04-10 10:10:00     url4    4       url4
    15. 
    
    
    
    
  15. cookie1 2015-04-10 10:50:01     url5    5       url5
    16. 
    
    
    
    
  16. cookie1 2015-04-10 10:50:05     url6    6       url6
    17. 
    
    
    
    
  17. cookie1 2015-04-10 11:00:00     url7    7       url7
    18. 
    
    
    
    
  18. cookie2 2015-04-10 10:00:00     url11   1       url11
    19. 
    
    
    
    
  19. cookie2 2015-04-10 10:00:02     url22   2       url22
    20. 
    
    
    
    
  20. cookie2 2015-04-10 10:03:04     1url33  3       1url33
    21. 
    
    
    
    
  21. cookie2 2015-04-10 10:10:00     url44   4       url44
    22. 
    
    
    
    
  22. cookie2 2015-04-10 10:50:01     url55   5       url55
    23. 
    
    
    
    
  23. cookie2 2015-04-10 10:50:05     url66   6       url66
    24. 
    
    
    
    
  24. cookie2 2015-04-10 11:00:00     url77   7       url77
    25.

如果不指定ORDER BY，则默认按照记录在文件中的偏移量进行排序，会出现错误的结果

   
   
   
   
    
    
    
    
    
  1. SELECT cookieid,
    2. 
    
    
    
    
  2. createtime,
    3. 
    
    
    
    
  3. url,
    4. 
    
    
    
    
  4. FIRST_VALUE(url) OVER(PARTITION BY cookieid) AS first2  
    5. 
    
    
    
    
  5. FROM lxw1234;
    6. 
    
    
    
    
  6.  
    7. 
    
    
    
    
  7. cookieid  createtime            url     first2
    8. 
    
    
    
    
  8. ----------------------------------------------
    9. 
    
    
    
    
  9. cookie1 2015-04-10 10:00:02     url2    url2
    10. 
    
    
    
    
  10. cookie1 2015-04-10 10:00:00     url1    url2
    11. 
    
    
    
    
  11. cookie1 2015-04-10 10:03:04     1url3   url2
    12. 
    
    
    
    
  12. cookie1 2015-04-10 10:50:05     url6    url2
    13. 
    
    
    
    
  13. cookie1 2015-04-10 11:00:00     url7    url2
    14. 
    
    
    
    
  14. cookie1 2015-04-10 10:10:00     url4    url2
    15. 
    
    
    
    
  15. cookie1 2015-04-10 10:50:01     url5    url2
    16. 
    
    
    
    
  16. cookie2 2015-04-10 10:00:02     url22   url22
    17. 
    
    
    
    
  17. cookie2 2015-04-10 10:00:00     url11   url22
    18. 
    
    
    
    
  18. cookie2 2015-04-10 10:03:04     1url33  url22
    19. 
    
    
    
    
  19. cookie2 2015-04-10 10:50:05     url66   url22
    20. 
    
    
    
    
  20. cookie2 2015-04-10 11:00:00     url77   url22
    21. 
    
    
    
    
  21. cookie2 2015-04-10 10:10:00     url44   url22
    22. 
    
    
    
    
  22. cookie2 2015-04-10 10:50:01     url55   url22
    23. 
    
    
    
    
  23.  
    24. 
    
    
    
    
  24. SELECT cookieid,
    25. 
    
    
    
    
  25. createtime,
    26. 
    
    
    
    
  26. url,
    27. 
    
    
    
    
  27. LAST_VALUE(url) OVER(PARTITION BY cookieid) AS last2  
    28. 
    
    
    
    
  28. FROM lxw1234;
    29. 
    
    
    
    
  29.  
    30. 
    
    
    
    
  30. cookieid  createtime            url     last2
    31. 
    
    
    
    
  31. ----------------------------------------------
    32. 
    
    
    
    
  32. cookie1 2015-04-10 10:00:02     url2    url5
    33. 
    
    
    
    
  33. cookie1 2015-04-10 10:00:00     url1    url5
    34. 
    
    
    
    
  34. cookie1 2015-04-10 10:03:04     1url3   url5
    35. 
    
    
    
    
  35. cookie1 2015-04-10 10:50:05     url6    url5
    36. 
    
    
    
    
  36. cookie1 2015-04-10 11:00:00     url7    url5
    37. 
    
    
    
    
  37. cookie1 2015-04-10 10:10:00     url4    url5
    38. 
    
    
    
    
  38. cookie1 2015-04-10 10:50:01     url5    url5
    39. 
    
    
    
    
  39. cookie2 2015-04-10 10:00:02     url22   url55
    40. 
    
    
    
    
  40. cookie2 2015-04-10 10:00:00     url11   url55
    41. 
    
    
    
    
  41. cookie2 2015-04-10 10:03:04     1url33  url55
    42. 
    
    
    
    
  42. cookie2 2015-04-10 10:50:05     url66   url55
    43. 
    
    
    
    
  43. cookie2 2015-04-10 11:00:00     url77   url55
    44. 
    
    
    
    
  44. cookie2 2015-04-10 10:10:00     url44   url55
    45. 
    
    
    
    
  45. cookie2 2015-04-10 10:50:01     url55   url55
    46.

如果想要取分组内排序后最后一个值，则需要变通一下：

   
   
   
   
    
    
    
    
    
  1. SELECT cookieid,
    2. 
    
    
    
    
  2. createtime,
    3. 
    
    
    
    
  3. url,
    4. 
    
    
    
    
  4. ROW_NUMBER() OVER(PARTITION BY cookieid ORDER BY createtime) AS rn,
    5. 
    
    
    
    
  5. LAST_VALUE(url) OVER(PARTITION BY cookieid ORDER BY createtime) AS last1,
    6. 
    
    
    
    
  6. FIRST_VALUE(url) OVER(PARTITION BY cookieid ORDER BY createtime DESC) AS last2 
    7. 
    
    
    
    
  7. FROM lxw1234 
    8. 
    
    
    
    
  8. ORDER BY cookieid,createtime;
    9. 
    
    
    
    
  9.  
    10. 
    
    
    
    
  10. cookieid  createtime            url     rn     last1    last2
    11. 
    
    
    
    
  11. -------------------------------------------------------------
    12. 
    
    
    
    
  12. cookie1 2015-04-10 10:00:00     url1    1       url1    url7
    13. 
    
    
    
    
  13. cookie1 2015-04-10 10:00:02     url2    2       url2    url7
    14. 
    
    
    
    
  14. cookie1 2015-04-10 10:03:04     1url3   3       1url3   url7
    15. 
    
    
    
    
  15. cookie1 2015-04-10 10:10:00     url4    4       url4    url7
    16. 
    
    
    
    
  16. cookie1 2015-04-10 10:50:01     url5    5       url5    url7
    17. 
    
    
    
    
  17. cookie1 2015-04-10 10:50:05     url6    6       url6    url7
    18. 
    
    
    
    
  18. cookie1 2015-04-10 11:00:00     url7    7       url7    url7
    19. 
    
    
    
    
  19. cookie2 2015-04-10 10:00:00     url11   1       url11   url77
    20. 
    
    
    
    
  20. cookie2 2015-04-10 10:00:02     url22   2       url22   url77
    21. 
    
    
    
    
  21. cookie2 2015-04-10 10:03:04     1url33  3       1url33  url77
    22. 
    
    
    
    
  22. cookie2 2015-04-10 10:10:00     url44   4       url44   url77
    23. 
    
    
    
    
  23. cookie2 2015-04-10 10:50:01     url55   5       url55   url77
    24. 
    
    
    
    
  24. cookie2 2015-04-10 10:50:05     url66   6       url66   url77
    25. 
    
    
    
    
  25. cookie2 2015-04-10 11:00:00     url77   7       url77   url77
    26.

你可能感兴趣的:(hive)

  • nosql数据库技术与应用知识点 皆过客，揽星河 NoSQLnosql数据库大数据数据分析数据结构非关系型数据库
    Nosql知识回顾大数据处理流程数据采集(flume、爬虫、传感器)数据存储(本门课程NoSQL所处的阶段)Hdfs、MongoDB、HBase等数据清洗(入仓)Hive等数据处理、分析(Spark、Flink等)数据可视化数据挖掘、机器学习应用(Python、SparkMLlib等)大数据时代存储的挑战(三高)高并发(同一时间很多人访问)高扩展(要求随时根据需求扩展存储)高效率(要求读写速度快)
  • 浅谈MapReduce Android路上的人 Hadoop分布式计算mapreduce分布式框架hadoop
    从今天开始，本人将会开始对另一项技术的学习，就是当下炙手可热的Hadoop分布式就算技术。目前国内外的诸多公司因为业务发展的需要，都纷纷用了此平台。国内的比如BAT啦，国外的在这方面走的更加的前面，就不一一列举了。但是Hadoop作为Apache的一个开源项目，在下面有非常多的子项目，比如HDFS，HBase,Hive，Pig,等等，要先彻底学习整个Hadoop，仅仅凭借一个的力量，是远远不够的。
  • Presto【基础 01】简介+架构+数据源+数据模型 2401_84254343 程序员架构
    一个Catalog包含Schema和Connector。例如，配置JMX的Catalog，通过JXMConnector访问JXM信息。当执行一条SQL语句时，可以同时运行在多个Catalog。Presto处理table时，是通过表的完全限定（fully-qualified）名来找到Catalog。例如，一个表的权限定名是hive.test_data.test，则test是表名，test_data是
  • 大数据毕业设计hadoop+spark+hive知识图谱租房数据分析可视化大屏 租房推荐系统 58同城租房爬虫 房源推荐系统 房价预测系统 计算机毕业设计 机器学习 深度学习 人工智能 2401_84572577 程序员大数据hadoop人工智能
    做了那么多年开发，自学了很多门编程语言，我很明白学习资源对于学一门新语言的重要性，这些年也收藏了不少的Python干货，对我来说这些东西确实已经用不到了，但对于准备自学Python的人来说，或许它就是一个宝藏，可以给你省去很多的时间和精力。别在网上瞎学了，我最近也做了一些资源的更新，只要你是我的粉丝，这期福利你都可拿走。我先来介绍一下这些东西怎么用，文末抱走。（1）Python所有方向的学习路线（
  • 大数据之flink与hive 星辰_mya 大数据flinkhive
    其实吧我不太想写flink，因为线上经验确实不多，这也是我需要补的地方，没有条件创造条件，先来一篇吧flink：高性能低延迟流批一体的分布式计算框架基于事件时间对实时数据精准处理快速响应支持批处理，高效离线分析和数据挖掘数据仓库的引擎丰富数据源/接收器，集成多种数据存储格式和源，比较常见就是咱们今天的主题hive了checkpoint恢复机制，故障恢复快速恢复计算任务分布式弹性扩展，据业务灵活增加
  • hive血缘关系之输入表与目标表的解析 zxfBdd hive大数据治理大数据
    接了一个新需求：需要做数据仓库的血缘关系。正所谓兵来将挡水来土掩，那咱就动手吧。血缘关系是数据治理的一块，其实有专门的第三方数据治理框架，但考虑到目前的线上环境已经趋于稳定，引入新的框架无疑是劳民伤财，伤筋动骨，所以就想以最小的代价把这个事情给做了。目前我们考虑做的血缘关系呢只是做输入表和输出表，最后会形成一张表与表之间的链路图。这个东西的好处就是有助于仓库人员梳理业务，后面可能还会做字段之间的血
  • 初级练习[3]:Hive SQL子查询应用 大数据深度洞察 Hivehivesqlhadoop数据仓库大数据数据库
    目录环境准备看如下链接子查询查询所有课程成绩均小于60分的学生的学号、姓名查询没有学全所有课的学生的学号、姓名解释：没有学全所有课，也就是该学生选修的课程数<总的课程数。查询出只选修了三门课程的全部学生的学号和姓名环境准备看如下链接环境准备https://blog.csdn.net/qq_45115959/article/details/142057624?spm=1001.2014.3001.5
  • Linux下载压缩包：tar.gz、zip、tar.bz2格式全攻略 promise524 Linuxlinux运维服务器后端bashshell
    在Linux中，下载各种格式的压缩包（如.tar.gz、.zip、.tar.bz2等）通常使用命令行工具如wget和curl。1.使用wget下载压缩包wget是Linux中最常用的文件下载工具，支持HTTP、HTTPS、FTP等协议，可以直接从命令行下载文件。基本命令：wget[URL]下载.tar.gz文件wgethttps://test.com/archive.tar.gz此命令将从指定的U
  • Anaconda版本和Python版本对应关系 纬领网络 pythonanaconda3
    官网下载地址：https://repo.anaconda.com/archive/下载地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/anaconda3版本基础python版本Anaconda3-2024.06-1Python3.12.4Anaconda3-2024.02-1Python3.11.7Anaconda3-2023.09
  • R语言包AMORE安装报错问题以及RStudio与Rtools环境配置 卡卡_R-Python R语言数据分析与可视化r语言开发语言
    在使用R语言进行AMORE安装时会遇到报错，这时候需要采用解决办法：'''AMORE包安装，需要离线官网下载安装包：Indexof/src/contrib/Archive/AMORE(r-project.org)https://cran.r-project.org/src/contrib/Archive/AMORE/一、出现的问题最近开始学习R语言，安装了最新版的R4.4.1和RStudio，但安
  • 中级练习[3]：Hive SQL用户行为与商品销售数据分析 大数据深度洞察 Hivehive数据仓库大数据sql
    目录1.用户累计消费金额及VIP等级查询1.1题目需求1.2代码实现2.首次下单后第二天连续下单的用户比率查询2.1题目需求2.2代码实现3.每个商品销售首年的年份、销售数量和销售金额统计3.1题目需求3.2代码实现1.用户累计消费金额及VIP等级查询1.1题目需求从订单信息表(order_info)中统计每个用户截止其每个下单日期的累积消费金额，以及每个用户在其每个下单日期的VIP等级。VIP等
  • Python基础知识进阶之正则表达式_头歌python正则表达式进阶 前端陈萨龙 程序员python学习面试
    最后硬核资料：关注即可领取PPT模板、简历模板、行业经典书籍PDF。技术互助：技术群大佬指点迷津，你的问题可能不是问题，求资源在群里喊一声。面试题库：由技术群里的小伙伴们共同投稿，热乎的大厂面试真题，持续更新中。知识体系：含编程语言、算法、大数据生态圈组件（Mysql、Hive、Spark、Flink）、数据仓库、Python、前端等等。网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是
  • 编程常用命令总结 Yellow0523 LinuxBigData大数据
    编程命令大全1.软件环境变量的配置JavaScalaSparkHadoopHive2.大数据软件常用命令Spark基本命令Spark-SQL命令Hive命令HDFS命令YARN命令Zookeeper命令kafka命令Hibench命令MySQL命令3.Linux常用命令Git命令conda命令pip命令查看Linux系统的详细信息查看Linux系统架构(X86还是ARM，两种方法都可)端口号命令L
  • 博客园怎么了？ YYH1992
    新年好，给大家拜个早年！今年来到安徽过年，无聊中，不知不觉中又来到博客园了（忠实粉丝哦），却发现一件奇怪的事情，请看截图难道博客园被挂马了？抑或其它问题？如果真有问题，还请dudu抓紧时间修正，免得影响我们园子的声誉！我要下线了，出去买回家的车票了，只能年后回家了。。。转载于:https://www.cnblogs.com/HollisYao/archive/2008/02/06/1065351.
  • linux下文件的复制、移动与删除 搬砖中年人
    一、文件复制命令cp命令格式：cp[-adfilprsu]源文件(source)目标文件(destination)cp[option]source1source2source3...directory参数说明：-a:是指archive的意思，也说是指复制所有的目录-d:若源文件为连接文件(linkfile)，则复制连接文件属性而非文件本身-f:强制(force)，若有重复或其它疑问时，不会询问用户
  • 2024年最全使用Python求解方程_python解方程(1)，字节面试官迟到 2401_84569545 程序员python学习面试
    最后硬核资料：关注即可领取PPT模板、简历模板、行业经典书籍PDF。技术互助：技术群大佬指点迷津，你的问题可能不是问题，求资源在群里喊一声。面试题库：由技术群里的小伙伴们共同投稿，热乎的大厂面试真题，持续更新中。知识体系：含编程语言、算法、大数据生态圈组件（Mysql、Hive、Spark、Flink）、数据仓库、Python、前端等等。网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是
  • 兼容 Trino Connector，扩展 Apache Doris 数据源接入能力｜Lakehouse 使用手册 vvvae1234 apache
    ApacheDoris内置支持包括Hive、Iceberg、Hudi、Paimon、LakeSoul、JDBC在内的多种Catalog，并为其提供原生高性能且稳定的访问能力，以满足与数据湖的集成需求。而随着ApacheDoris用户的增加，新的数据源连接需求也随之增加。因此，从3.0版本开始，ApacheDoris引入了TrinoConnector兼容框架。Trino/Presto作为业界较早应用
  • SAP HANA makaitai BWsap数据库工具报表layer服务器
    原文地址：http://LiuAlex.com/archives/1776也是刚刚开始学习HANA的一些知识，一边看书一遍做笔记，说到底无非是用自己的语言来理解标准帮组文档所讲解的意思，肯定有理解失误的地方，毕竟没有参加过标准培训，即使有培训，从老师那边来的知识也不可能是完整的传授过来，中间多少的知识遗漏是正常的，所以多看看HELP的文档，应该可以原汁原味的理解作者的意思。这张图片是从SAPHAN
  • Hive SQL查询汇总分析 大数据深度洞察 Hivehivesqlhadoop数据仓库数据库大数据
    目录SQL查询汇总分析成绩查询查询编号为“02”的课程的总成绩查询参加考试的学生个数分组查询查询各科成绩最高和最低的分查询每门课程有多少学生参加了考试（有考试成绩）查询男生、女生人数分组结果的条件查询平均成绩大于60分的学生的学号和平均成绩查询至少选修四门课程的学生学号查询同姓（假设每个学生姓名的第一个字为姓）的学生名单并统计同姓人数大于2的姓查询每门课程的平均成绩，结果按平均成绩升序排序，平均成
  • RMAN-08137 rman delete archivelog force jnrjian 数据库oracle
    deleteforcearchiveloguntiltime'trunc(sysdate-4)'backedup1timestodevicetypedisk;SymptomsDatabaseAClonedtoDatabaseBonCloneserver.GoldenGateisConfiguredonSourcedatbaseA.DatabaseBwhichisclonedfromSourcedo
  • hive表格统计信息不准确 weixin_41956627 hivehivehadoop数据仓库
    问题描述有个hive分区表，orc存储格式，有个分区，查询selectcount(1)fromtablewheredt='yyyyMMdd'结果是0，但查询select*fromtablewheredt='yyyyMMdd'又能查到数据，去hdfs对应目录下查看，也能看到有数据文件解决执行如下sqlANALYZETABLEdb.table1PARTITION(dt='20240908')COMPU
  • Conda创建环境失败：000和404错误 柚柚柚柚柚 conda
    一、首先下载Anaconda1.打开网址Indexof/anaconda/archive/|清华大学开源软件镜像站|TsinghuaOpenSourceMirror，滑到最底部，下载Anaconda3-5.3.1-Linux-x86_64.sh。2.使用winscp拖动本地的Anaconda3-5.3.1-Linux-x86_64.sh到服务器的个人工作目录下。二、安装Anaconda软件，创建虚
  • C#中两个问号的含义 weixin_30363981 测试
    stringstrParam=Request.Params["param"]??"";取??左边的值,如果??左边的值为null则取右边的值转载于:https://www.cnblogs.com/shadowtale/archive/2012/10/19/2731152.html
  • 如何下载各个版本的tomcat-比如tomcat9 耳边轻语999 tomcatjava
    1，找到tomcat官网https://tomcat.apache.org/ApacheTomcat®-Welcome!找到tomcat9，或者archives1.1，找到对应版本1.2，找到小版本1.3，找到bin2，Indexof/dist/tomcat/tomcat-9/v9.0.39/bin2.1，下载对应的解压版本或者安装版本
  • Percona-toolkit工具详解 小一_d28d
    1.pt工具安装[root@master~]#yuminstall-ypercona-toolkit-3.1.0-2.el7.x86_64.rpm2.常用工具使用介绍2.1pt-archiver归档表#重要参数--limit100每次取100行数据用pt-archive处理--txn-size100设置100行为一个事务提交一次，--where'id>/root/db/checksum.logpt
  • Ubuntu更换apt-get的下载源 愤愤的有痣青年
    将以下内容替换/etc/apt/sources.list中的内容deb-srchttp://archive.ubuntu.com/ubuntuxenialmainrestricted#Addedbysoftware-propertiesdebhttp://mirrors.aliyun.com/ubuntu/xenialmainrestricteddeb-srchttp://mirrors.aliy
  • apt 下载指定架构的包及离线安装的方法 错误重复学习记录 linux
    #设置系统架构sudodpkg--add-architectureamd64#安装apt-rdependssudoaptinstallapt-rdepends#创建单独的目录mkdir-p/home/apt/postgresql-client-common#仅下载安装包sudoapt-getinstall--download-onlysudomv/var/cache/apt/archives/*/
  • 游戏运营环节的一些关键转化率 turtle081025 数据分析游戏网络游戏运营
    转载于http://www.gamedatas.com/archives/134转化率这个指标在各行各业的数据分析中运用的非常之广泛，例如：电商中就会存在，点击到订单生成的一系列转化率，传统的销售行业也会在做广告的时候考虑该广告能够转化多少订单，而在游戏行业，转化率同样是一个不容忽视的指标。一般来说，游戏运营的过程中主要会关注到这些转化率：1.下载-安装（激活）转化率；2.安装（激活）-注册转化率
  • Python API操作RocketMQ 京城小筑 #Python编程python
    背景：开发背景:公司相关报表需求需要将订单业务数据同步至RocketMQ中，由于需要保证开发的一致性(多个部门协同开发)，所以采用读取Hive离线数据的方式通过PythonAPI写入RocketMQ中，便于其他开发同事调用~开发环境:本地调试系统MacPython3.7.5rocketmq0.4.4(Python模块)rocketmq-client-python2.0.0(Python模块)服务器
  • hive搭建 -----内嵌模式和本地模式 lzhlizihang hivehadoop
    文章目录一、内嵌模式（使用较少）1、上传、解压、重命名2、配置环境变量3、配置conf下的hive-env.sh4、修改conf下的hive-site.xml5、启动hadoop集群6、给hdfs创建文件夹7、修改hive-site.xml中的非法字符8、初始化元数据9、测试是否成功10、内嵌模式的缺点二、本地模式（最常用）1、检查mysql是否正常2、上传、解压、重命名3、配置环境变量4、修改c
  • 深入浅出Java Annotation(元注解和自定义注解） Josh_Persistence Java Annotation元注解自定义注解
    一、基本概述     　　 Annontation是Java5开始引入的新特征。中文名称一般叫注解。它提供了一种安全的类似注释的机制，用来将任何的信息或元数据（metadata）与程序元素（类、方法、成员变量等）进行关联。   　　更通俗的意思是为程序的元素（类、方法、成员变量）加上更直观更明了的说明，这些说明信息是与程序的业务逻辑无关，并且是供指定的工具或
  • mysql优化特定类型的查询 annan211 java工作mysql
    本节所介绍的查询优化的技巧都是和特定版本相关的，所以对于未来mysql的版本未必适用。 1 优化count查询 对于count这个函数的网上的大部分资料都是错误的或者是理解的都是一知半解的。在做优化之前我们先来看看 真正的count()函数的作用到底是什么。 count()是一个特殊的函数，有两种非常不同的作用，他可以统计某个列值的数量，也可以统计行数。 在统
  • MAC下安装多版本JDK和切换几种方式 棋子chessman jdk
    环境： MAC AIR,OS X 10.10,64位   历史： 过去 Mac 上的 Java 都是由 Apple 自己提供，只支持到 Java 6，并且OS X 10.7 开始系统并不自带（而是可选安装）（原自带的是1.6）。 后来 Apple 加入 OpenJDK 继续支持 Java 6，而 Java 7 将由 Oracle 负责提供。   在终端中输入jav
  • javaScript （1） Array_06 JavaScriptjava浏览器
    JavaScript 1、运算符 　　运算符就是完成操作的一系列符号，它有七类： 　　赋值运算符（=,+=,-=,*=,/=,%=,<<=,>>=,|=,&=）、算术运算符(+,-,*,/,++,--,%)、比较运算符(>,<,<=,>=,==,===,!=,!==)、逻辑运算符(||,&&,!)、条件运算(?:)、位
  • 国内顶级代码分享网站 袁潇含 javajdkoracle.netPHP
           现在国内很多开源网站感觉都是为了利益而做的                  当然利益是肯定的,否则谁也不会免费的去做网站      &
  • Elasticsearch、MongoDB和Hadoop比较 随意而生 mongodbhadoop搜索引擎
      IT界在过去几年中出现了一个有趣的现象。很多新的技术出现并立即拥抱了“大数据”。稍微老一点的技术也会将大数据添进自己的特性，避免落大部队太远，我们看到了不同技术之间的边际的模糊化。假如你有诸如Elasticsearch或者Solr这样的搜索引擎，它们存储着JSON文档，MongoDB存着JSON文档，或者一堆JSON文档存放在一个Hadoop集群的HDFS中。你可以使用这三种配
  • mac os 系统科研软件总结 张亚雄 mac os
    1.1 Microsoft Office for Mac 2011      大客户版，自行搜索。      1.2 Latex （MacTex）:      系统环境：https://tug.org/mactex/     &nb
  • Maven实战（四）生命周期 AdyZhang maven
    1. 三套生命周期     Maven拥有三套相互独立的生命周期，它们分别为clean，default和site。 每个生命周期包含一些阶段，这些阶段是有顺序的，并且后面的阶段依赖于前面的阶段，用户和Maven最直接的交互方式就是调用这些生命周期阶段。 以clean生命周期为例，它包含的阶段有pre-clean, clean 和 post
  • Linux下Jenkins迁移 aijuans Jenkins
    1. 将Jenkins程序目录copy过去      源程序在/export/data/tomcatRoot/ofctest-jenkins.jd.com下面            tar -cvzf jenkins.tar.gz ofctest-jenkins.jd.com &
  • request.getInputStream()只能获取一次的问题 ayaoxinchao requestInputstream
    问题：在使用HTTP协议实现应用间接口通信时，服务端读取客户端请求过来的数据，会用到request.getInputStream()，第一次读取的时候可以读取到数据，但是接下来的读取操作都读取不到数据   原因： 1. 一个InputStream对象在被读取完成后，将无法被再次读取，始终返回-1； 2. InputStream并没有实现reset方法（可以重
  • 数据库SQL优化大总结之 百万级数据库优化方案 BigBird2012 SQL优化
    网上关于SQL优化的教程很多，但是比较杂乱。近日有空整理了一下，写出来跟大家分享一下，其中有错误和不足的地方，还请大家纠正补充。 这篇文章我花费了大量的时间查找资料、修改、排版，希望大家阅读之后，感觉好的话推荐给更多的人，让更多的人看到、纠正以及补充。 1.对查询进行优化，要尽量避免全表扫描，首先应考虑在 where 及 order by 涉及的列上建立索引。 2.应尽量避免在 where
  • jsonObject的使用 bijian1013 javajson
            在项目中难免会用java处理json格式的数据，因此封装了一个JSONUtil工具类。 JSONUtil.java package com.bijian.json.study; import java.util.ArrayList; import java.util.Date; import java.util.HashMap;
  • [Zookeeper学习笔记之六]Zookeeper源代码分析之Zookeeper.WatchRegistration bit1129 zookeeper
    Zookeeper类是Zookeeper提供给用户访问Zookeeper service的主要API，它包含了如下几个内部类     首先分析它的内部类，从WatchRegistration开始，为指定的znode path注册一个Watcher，   /** * Register a watcher for a particular p
  • 【Scala十三】Scala核心七：部分应用函数 bit1129 scala
    何为部分应用函数？ Partially applied function: A function that’s used in an expression and that misses some of its arguments.For instance, if function f has type Int => Int => Int, then f and f(1) are p
  • Tomcat Error listenerStart 终极大法 ronin47 tomcat
    Tomcat报的错太含糊了，什么错都没报出来，只提示了Error listenerStart。为了调试，我们要获得更详细的日志。可以在WEB-INF/classes目录下新建一个文件叫logging.properties，内容如下 Java代码  handlers = org.apache.juli.FileHandler, java.util.logging.ConsoleHa
  • 不用加减符号实现加减法 BrokenDreams 实现
            今天有群友发了一个问题，要求不用加减符号(包括负号)来实现加减法。         分析一下，先看最简单的情况，假设1+1，按二进制算的话结果是10，可以看到从右往左的第一位变为0，第二位由于进位变为1。    
  • 读《研磨设计模式》-代码笔记-状态模式-State bylijinnan java设计模式
    声明： 本文只为方便我个人查阅和理解，详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/ /* 当一个对象的内在状态改变时允许改变其行为，这个对象看起来像是改变了其类 状态模式主要解决的是当控制一个对象状态的条件表达式过于复杂时的情况 把状态的判断逻辑转移到表示不同状态的一系列类中，可以把复杂的判断逻辑简化 如果在
  • CUDA程序block和thread超出硬件允许值时的异常 cherishLC CUDA
    调用CUDA的核函数时指定block 和 thread大小，该大小可以是dim3类型的（三维数组），只用一维时可以是usigned int型的。 以下程序验证了当block或thread大小超出硬件允许值时会产生异常！！！GPU根本不会执行运算！！！ 所以验证结果的正确性很重要！！！ 在VS中创建CUDA项目会有一个模板，里面有更详细的状态验证。 以下程序在K5000GPU上跑的。
  • 诡异的超长时间GC问题定位 chenchao051 jvmcmsGChbaseswap
    HBase的GC策略采用PawNew+CMS, 这是大众化的配置，ParNew经常会出现停顿时间特别长的情况，有时候甚至长到令人发指的地步，例如请看如下日志： 2012-10-17T05:54:54.293+0800: 739594.224: [GC 739606.508: [ParNew: 996800K->110720K(996800K), 178.8826900 secs] 3700
  • maven环境快速搭建 daizj 安装mavne环境配置
    一 下载maven 安装maven之前，要先安装jdk及配置JAVA_HOME环境变量。这个安装和配置java环境不用多说。 maven下载地址：http://maven.apache.org/download.html，目前最新的是这个apache-maven-3.2.5-bin.zip，然后解压在任意位置，最好地址中不要带中文字符，这个做java 的都知道，地址中出现中文会出现很多
  • PHP网站安全，避免PHP网站受到攻击的方法 dcj3sjt126com PHP
    对于PHP网站安全主要存在这样几种攻击方式:1、命令注入(Command Injection)2、eval注入(Eval Injection)3、客户端脚本攻击(Script Insertion)4、跨网站脚本攻击(Cross Site Scripting, XSS)5、SQL注入攻击(SQL injection)6、跨网站请求伪造攻击(Cross Site Request Forgerie
  • yii中给CGridView设置默认的排序根据时间倒序的方法 dcj3sjt126com GridView
    public function searchWithRelated() {         $criteria = new CDbCriteria;         $criteria->together = true; //without th
  • Java集合对象和数组对象的转换 dyy_gusi java集合
        在开发中，我们经常需要将集合对象（List，Set）转换为数组对象，或者将数组对象转换为集合对象。Java提供了相互转换的工具，但是我们使用的时候需要注意，不能乱用滥用。 1、数组对象转换为集合对象     最暴力的方式是new一个集合对象，然后遍历数组，依次将数组中的元素放入到新的集合中，但是这样做显然过
  • nginx同一主机部署多个应用 geeksun nginx
    近日有一需求，需要在一台主机上用nginx部署2个php应用，分别是wordpress和wiki，探索了半天，终于部署好了，下面把过程记录下来。 1.   在nginx下创建vhosts目录，用以放置vhost文件。 mkdir vhosts   2.   修改nginx.conf的配置， 在http节点增加下面内容设置，用来包含vhosts里的配置文件 #
  • ubuntu添加admin权限的用户账号 hongtoushizi ubuntuuseradd
    ubuntu创建账号的方式通常用到两种：useradd 和adduser . 本人尝试了useradd方法，步骤如下： 1:useradd    使用useradd时，如果后面不加任何参数的话，如：sudo useradd sysadm 创建出来的用户将是默认的三无用户：无home directory ,无密码,无系统shell。 顾应该如下操作：  
  • 第五章 常用Lua开发库2-JSON库、编码转换、字符串处理 jinnianshilongnian nginxlua
      JSON库   在进行数据传输时JSON格式目前应用广泛，因此从Lua对象与JSON字符串之间相互转换是一个非常常见的功能；目前Lua也有几个JSON库，本人用过cjson、dkjson。其中cjson的语法严格（比如unicode \u0020\u7eaf），要求符合规范否则会解析失败（如\u002），而dkjson相对宽松，当然也可以通过修改cjson的源码来完成
  • Spring定时器配置的两种实现方式OpenSymphony Quartz和java Timer详解 yaerfeng1989 timerquartz定时器
    原创整理不易，转载请注明出处：Spring定时器配置的两种实现方式OpenSymphony Quartz和java Timer详解 代码下载地址：http://www.zuidaima.com/share/1772648445103104.htm 有两种流行Spring定时器配置：Java的Timer类和OpenSymphony的Quartz。 1.Java Timer定时 首先继承jav
  • Linux下df与du两个命令的差别？ pda158 linux
    　一、df显示文件系统的使用情况，与du比較，就是更全盘化。 　　最经常使用的就是 df -T，显示文件系统的使用情况并显示文件系统的类型。 　　举比例如以下： 　　[root@localhost ~]# df -T 　　Filesystem                   Type &n
  • [转]SQLite的工具类 ---- 通过反射把Cursor封装到VO对象 ctfzh VOandroidsqlite反射Cursor
    在写DAO层时，觉得从Cursor里一个一个的取出字段值再装到VO(值对象)里太麻烦了，就写了一个工具类，用到了反射，可以把查询记录的值装到对应的VO里，也可以生成该VO的List。   使用时需要注意： 考虑到Android的性能问题，VO没有使用Setter和Getter，而是直接用public的属性。 表中的字段名需要和VO的属性名一样，要是不一样就得在查询的SQL中
  • 该学习笔记用到的Employee表 vipbooks oraclesql工作
        这是我在学习Oracle是用到的Employee表，在该笔记中用到的就是这张表，大家可以用它来学习和练习。 drop table Employee; -- 员工信息表 create table Employee( -- 员工编号 EmpNo number(3) primary key, -- 姓
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他