数据仓库&Hive 第7页

数据系统架构-10.数仓开发平台

数仓开发平台1.背景数据仓库是存储各种数据的仓库，形同于现实当中存储货物的仓库，不可避免的存在“乱放”、“不方便存取”、“浪费空间”等情况。

·2024-02-19 11:45

(15)Hive调优——数据倾斜的解决指南

目录前言一、什么是数据倾斜二、发生数据倾斜的表现2.1MapReduce任务2.2Spark任务三、如何定位发生数据倾斜的代码四、发生数据倾斜的原因3.1key分布不均匀3.1.1某些key存在大量相同值3.1.2存在大量异常值或空值3.2业务数据本身的特性3.3SQL语句本身就有数据倾斜3.4建表时考虑不周四、触发数据倾斜的SQL操作五、数据倾斜的解决方案5.1Map长尾优化5.1.1Map读取

爱吃辣条byte·2024-02-19 11:50

StarRocks 介绍

其逻辑就是，基于页面的点击事件流，面向数据仓库进行OLAP

·2024-02-19 10:16

怎么用ETL工具实现MQ消息同步

而在一些特定场景下，需要将MQ中的消息同步到数据仓库或其他存储系统中，以便进行更深入的数据分析和挖掘。这时候，ETL工具可以成为实现MQ消息同步的利器。

·2024-02-19 10:43

Hive入门，Hive是什么？

1.1Hive是什么？Hive是一个开源的数据仓库工具，主要用于处理大规模数据集。它是建立在Hadoop生态系统之上的，利用Hadoop的分布式存储和计算能力来处理和分析数据。

JayGboy·2024-02-19 10:31

Hive Distribute by 应用之动态分区小文件过多问题优化

Fatalerroroccurredwhennodetriedtocreatetoomanydynamicpartitions.Themaximumnumberofdynamicpartitionsiscontrolledbyhive.exec.max.dynamic.p

莫叫石榴姐·2024-02-15 10:58

Hive调优——count distinct替换

离线数仓开发过程中经常会对数据去重后聚合统计，而对于大数据量来说，count(distinct)操作消耗资源且查询性能很慢，以下是调优的方式。解决方案一：groupby替代原sql如下：#=====7日、14日的app点击的用户数（user_id去重统计）selectgroup_id,app_id,--7日内UVcount(distinctcasewhendt>='${7d_before}'the

爱吃辣条byte·2024-02-15 10:58

Hive的相关概念——架构、数据存储、读写文件机制

目录一、架构及组件介绍1.1Hive整体架构1.2Hive组件1.3Hive数据模型（DataModel）1.3.1Databases1.3.2Tables1.3.3Partitions1.3.4Buckets

爱吃辣条byte·2024-02-15 10:57

Hive的相关概念——分区表、分桶表

目录一、Hive分区表1.1分区表的概念1.2分区表的创建1.3分区表数据加载及查询1.3.1静态分区1.3.2动态分区1.4分区表的本质及使用1.5分区表的注意事项1.6多重分区表二、Hive分桶表2.1

爱吃辣条byte·2024-02-15 10:57

Hive——动态分区导致的小文件问题

目录0问题现象1问题解决解决方案一：调整动态分区数方案一弊端：小文件剧增解决方案二：distributeby方案二弊端：数据倾斜解决方案三：distributeby命令2思考3小结0问题现象现象：报错errorr如下：[Error20004]:Fatalerroroccurredwhennodetriedtocreatetoomanydynamicpartitions.Themaximumnumb

爱吃辣条byte·2024-02-15 10:25

【大数据Hive】hive 表设计常用优化策略

目录一、前言二、hive普通表查询原理2.1操作演示说明2.1.1创建一张表，并加载数据2.1.2统计3月24号的登录人数2.1.3查询原理过程总结2.2普通表结构带来的问题三、hive分区表设计3.1

逆风飞翔的小叔·2024-02-15 10:22

Hive on Spark配置

前提条件1、安装好Hive，参考：Hive安装部署-CSDN博客2、下载好Spark安装包，链接：https://pan.baidu.com/s/1plIBKPUAv79WJxBSbdPODw?

在下区区俗物·2024-02-15 10:51

配置hive on spark

配置hiveonspark1、上传Spark纯净版jar包到HDFS：hdfsdfs-mkdir/spark-jarshdfsdfs-put/opt/spark/jars/*/spark-jars2、修改

空白格2519·2024-02-15 10:51

hive on spark配置经验

常规配置配置完，开启hadoop，开启spark（如果在hdfs上上传了纯净版的spark则不需要开启），开启hive注：当前节点一定要是namenode的active节点，因为hadoop长时间不用namenode

小五冲冲冲·2024-02-15 10:21

部署一个3节点的Kafka集群

一Java环境部署：1.1官网下载jdkJava下载官网https://www.oracle.com/cn/java/technologies/javase/javase8u211-later-archive-downloads.html1.12

小关暗器·2024-02-15 09:25

Hive3.1.2——企业级调优

前言本篇文章主要整理hive-3.1.2版本的企业调优经验，有误请指出~一、性能评估和优化1.1Explain查询计划使用explain命令可以分析查询计划，查看计划中的资源消耗情况，定位潜在的性能问题

爱吃辣条byte·2024-02-15 09:48

python 线程池ThreadPoolExecutor

参考链接(https://www.codersrc.com/archives/6732

沧海二阳·2024-02-15 06:42

conan安装

这里以pip安装为例，python安装建议anaconda，下载地址：https://repo.anaconda.com/archive/Anaconda3-2021.11-Windows-x86_64

曳帆·2024-02-15 05:39

Sqoop你用对了吗？

个人想法，有错请指出怎么让sqoop流程化1.首先创造配置表和任务表tb_configidjdbc_urluserpass_wordcolumnstablehive_tableis_incremental1jdbc

你值得拥有更好的12138·2024-02-15 03:43

FFmpeg+x264编码qcif会出现花屏的问题

http://www.cppblog.com/tx7do/archive/2013/01/11

cyqyong·2024-02-15 02:59

Kibana启动问题

chrome-mac.zip时访问超时，日志如下[2022-09-05T11:57:55.901+08:00][WARN][plugins.screenshotting.chromium]Browserarchivefordarwin

qinghuazs·2024-02-15 01:19

HIVE优化场景七--数据倾斜--Join 倾斜

2)由于数据类型不一致，导致的转换问题，导致的数据倾斜场景说明：用户表中user_id字段为int，log表中user_id为既有string也有int的类型。当按照两个表的user_id进行join操作的时候，默认的hash操作会按照int类型的id进行分配，这样就会导致所有的string类型的id就被分到同一个reducer当中。解决方案：将INT类型id,转换为STRING类型的id.SEL

xuanxing123·2024-02-15 01:10

数仓面试

4）.长的帅或漂亮，前四条都可以忽略1.什么是数据仓库？如何构建数据仓库？

China_mr001·2024-02-14 21:46

第四届全国智力运动会口号吉祥物和会徽介绍

转自：第四届智运会官网http://www.imsa.cn/archives/75194四智会主题口号：四智会主题口号释义：在儒家的道德规范体系中“智”是最基本最重要的德目之一，东方的儒雅智慧绵延不息，

五子棋宝典APP·2024-02-14 21:38

把自己的应用添加到系统的“分享”列表中

不要跟原先的一块，要不然不生效；mimeType代表支持分享的类型：{".3gp","video/3gpp"},{".apk","application/vnd.android.package-archive

桃先森_·2024-02-14 20:51

Hive经典面试题

1.Hive表关联查询，如何解决数据倾斜的问题1）倾斜原因：map输出数据按keyHash的分配到reduce中，由于key分布不均匀、业务数据本身的特、建表时考虑不周、等原因造成的reduce上的数据量差异过大

Yang_6234·2024-02-14 20:03

Hive MR任务结束后进行文件合并

sethive.merge.mapfiles=true;sethive.merge.mapredfiles=true;sethive.merge.size.per.task=256000000;sethive.merge.smallfiles.avgsize

破阵子沙场秋点兵·2024-02-14 20:06

hive中的三种建表方法

文章目录一、直接建表二、查询建表三、like建表一、直接建表CREATE[EXTERNAL]TABLE[IFNOTEXISTS]employee_external(//EXTERNAL关键字添加为外部表namestring,work_placeARRAY,sex_ageSTRUCT,skills_scoreMAP,depart_titleMAP>)COMMENT'Thisisanexternalt

日写BUG八百行·2024-02-14 19:40

hive中的Load data 和 insert的区别

文章目录一、Loaddata二、insert三、IMPORT/EXPORT一、Loaddata语法为LOADDATA[LOCAL]INPATH'filepath'[OVERWRITE]INTOTABLEtablename[PARTITION(partcol1=val1,partcol2=val2...)]local关键字：有，表示从本地文件系统中导入没有，表示从HDFS文件系统中导入，这里是文件的

日写BUG八百行·2024-02-14 19:10

Winform中使用NPOI实现导出Excel并文件另存为

NPOI官网https://archive.codeplex.com/?

霸道流氓气质·2024-02-14 16:48

Hive Serde 序列化与反序列化

HiveSerde序列化与反序列化hiveSerde官方文档RegEx基于正则的匹配CREATETABLEapachelog(hostSTRING,identitySTRING,userSTRING,timeSTRING

星瀚光晨·2024-02-14 07:30

Hive serde 序列化表例子

文章转载自：http://blog.csdn.net/mango_song/article/details/125621371.概述一个文本f1.txt的格式如下：[plain]viewplaincopyprint?1tom2jame3mango它的第一列是id,第二列是name，第一列和第二列间通过不固定长度的空白(如空格制表符等)分割；我们希望创建一个user表，能够识别f1.txt，通过创建

苍穆·2024-02-14 07:30

0基础学数据分析 MySQL多种安装方式

#MySQL数据库多种安装方式数据库官网下载地址https://downloads.mysql.com/archives/community/##一linux系统###1.1源码安装数据库（自定义安装目录

资深数据分析师jason·2024-02-14 07:13

HIVE中小文件问题

动态分区插入数据，会产生大量小文件2.数据源本来就含有大量小文件3.数据增量导入，如Sqoop数据导入，增量insert导入数据等4.分桶表（主要是切分文件，容易产生小文件问题）1.2.3都是数据导入的问题：hive

这孩子谁懂哈·2024-02-14 06:45

Hive的CTE 公共表达式

目录1.语法2.使用场景select语句chainingCTEs链式union语句insertinto语句createtableas语句前言CommonTableExpressions（CTE）：公共表达式是一个临时的结果集，该结果集是从with子句中指定的查询派生而来的，紧跟在select或insert关键字之前。CTE可以在select，insert，createtableasselect等语

爱吃辣条byte·2024-02-14 06:12

Hive的Join连接

前言Hive-3.1.2版本支持6种join语法。

爱吃辣条byte·2024-02-14 06:42

Hive的排序——order by 、sort by、distribute by 、cluster by

Hive中的排序通常涉及到orderby、sortby、distributeby、clusterby一、语法selectcolumn1,column2,...fromtable[where条件][groupbycolumn

爱吃辣条byte·2024-02-14 06:42

Hive的小文件问题

小文件的预防3.1.1减少Map数量3.1.2减少Reduce的数量3.2已存在的小文件合并3.2.1方式一：insertoverwrite(推荐)3.2.2方式二：concatenate3.2.3方式三：使用hive

爱吃辣条byte·2024-02-14 06:11

ubuntu18.04终端中出现解决暂时不能解析域名“security.ubuntu.com”

1http://security.ubuntu.com/ubuntuxenial-security/mainamd64curlamd647.47.0-1ubuntu2.18暂时不能解析域名“cn.archive.ubuntu.com

C++QT·2024-02-14 04:40

Anaconda安装教程（Win11）

Anaconda下载及安装1.进入官网：FreeDownload|Anaconda，点击Download进行下载但是官网下载可能有点慢，可以通过国内镜像进行下载：Indexof/anaconda/archive

苏俗·2024-02-14 04:04

自动生成测试用例_接口测试用例自动生成工具

har2case我们先来了解一下另一个项目har2case他的工作原理就是将当前主流的抓包工具和浏览器都支持将抓取得到的数据包导出为标准通用的HAR格式（HTTPArchive），然后HttpRunner

.咖啡加剁椒.·2024-02-14 04:00

如何写出好文案？文案撰写六步法（上）

例如Archive十年全集有超过20000张经典广告。大多数人是怎么学的呢？他们多半用喜鹊的方法，见到什么

333133f7ef06·2024-02-14 03:35

大数据开发之Sqoop详细介绍

用户可以在Sqoop的帮助下，轻松地把关系型数据库的数据导入到Hadoop与其相关的系统(如HBase和Hive)中；同时也可以把数据从Hadoop系统里抽取并导出到关系型数据库里。

只是甲·2024-02-14 01:17

三分钟教会你如何安装mysql

6.如果想要选择其他版本，我们可以点击上方的Archives，

啦啦啦小脑瓜·2024-02-13 21:08

Rule Engine--规则引擎

来自:http://udoo.51.net/mt/archives/000010.htmlThedroolsengineusesamodifiedformoftheRetealgorithmcalledtheRete-OOalgorithm.InternallyitoperatesusingthesameconceptsandmethodsasForgy'soriginalbutaddssomen

cqboy·2024-02-13 20:37

hive 中函数 last_day的使用，获取每个月最后一天

last_day获取每个月最后一天selectlast_day('2020-10-01')2020-10-31SELECTlast_day('2003-03-1501:22:33')2003-03-31

小哇666·2024-02-13 18:12

HIVE-执行命令的几种方式和 hive -e 和hive -f的使用

第一种，在bash中直接通过hive-e命令，并用>输出流把执行结果输出到制定文件hive-e"select*fromtest.hour_rate2whereyear='2019'">/tmp/output

小哇666·2024-02-13 18:42

hive-字符串查找函数 instr和locate

找不到都是返回0字符串查找函数:instr语法:instr(stringstr,stringsubstr)返回值:int说明:返回字符串substr在str中首次出现的位置举例:hive>selectinstr