文章目录1 Apache Hive概述1.1 为什么使用Hive：1.2 Hive和hadoop的关系2 如何实现Hive功能3 Apache Hive架构、组件4 Apache Hive数据模型4.1 Data Model4.2 Databases 数据库4.3 Tables 表4.4 Partitions 分区4.5 Buckets 分桶4.6 Hive和Mysql比较5 Hive安装部署5
源码见：https://github.com/hiszm/hadoop-train
外部表在Hive中的使用带有EXTERNAL关键字的就是外部表 不然一般都是内部表(managed_table)CREATE EXTERNAL TABLE emp_external( empno INT, ename STRING, job STRING, mgr INT,
原创
2022-03-04 16:53:58
65阅读
源码见：https://github.com/hiszm/hadoop-train更好的阅读体验: https://www.cnblogs.com/hiszm/p/13640002.html外部表在Hive中的使用带有EXTERNAL关键字的就是外部表不然一般都是内部表(managed_table) CREATE EXTERNAL TABLE emp_external( empno INT, ename STRING, job STRING, mgr INT,
原创
2021-07-27 15:45:16
79阅读
第8章 压缩和存储（Hive高级） 8.1 Hadoop源码编译支持Snappy压缩 8.1.1 资源准备 1、CentOS联网 配置CentOS能连接外网。Linux虚拟机 ping www.baidu.com 是畅通的。 注意：采用root角色编译，减少文件夹权限出现问题。2、jar包准备(ha
转载
2020-05-30 18:44:00
184阅读
2评论
第1章 Hive入门 1.1 什么是Hive Hive：由Facebook开源用于解决海量结构化日志的数据统计（分析数据的框架）。 Hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张表，并提供类SQL查询功能。 本质是：将HQL转化成MapReduce程序。 1）Hive
转载
2020-05-30 18:37:00
225阅读
2评论
1. 概述 1.1 hive的特征： 可以通过SQL轻松访问数据的工具，从而实现数据仓库任务，如提取/转换/加载（ETL），报告和数据分析； 它可以使已经存储的数据结构化； 可以直接访问存储在Apache HDFS或其他数据存储系统（如Apache HBase）中的文件； Hive除了支持MapRe
转载
2020-05-07 11:06:00
67阅读
Hive介绍Hadoop开发存在的问题只能用java语言开发，如果是c语言或其他语言的程序员用Hadoop，存 在语言门槛。 需要对Hadoop底层原理，api比较了解才能做开发。Hive概述Hive是基于Hadoop的一个数据仓库工具。可以将结构化的数据文件映射为 一张表，并提供完整的sql查询功能，可以将 sql语句转换为 MapReduce任 务进行运行。其优点是学习成本低，可以通过类 SQ
转载
2023-07-13 16:35:38
99阅读
第10章 Hive实战之谷粒影音 10.1 需求描述 统计硅谷影音视频网站的常规指标，各种TopN指标： 统计视频观看数Top10 统计视频类别热度Top10 统计出视频观看数最高的20个视频的所属视频类别以及对应视频类别的个数 统计视频观看数Top50所关联视频的所属类别Rank 统计每个类别中的
转载
2020-05-30 18:46:00
252阅读
2评论
第6章 查询 https://cwiki.apache.org/confluence/display/Hive/LanguageManual+Select查询语句语法： [WITH CommonTableExpression (, CommonTableExpression)*] (Note: On
转载
2020-05-30 18:42:00
259阅读
2评论
动手实战操作搜狗日志文件本节中所用到的内容是来自搜狗实验室，网址为：http://www.sogou.com/labs/dl/q.html用户可以根据自己的Spark机器实际的内存配置等情况选择下载不同的数据版本，为了让所有的学习者都可以成功操作日志，我们使用的是迷你版本的tar.gz格式的文件，其大小为384K，下载地址：http://www.sogou.com/labs/resource/q.
原创
2016-08-28 11:55:46
1680阅读
一、知识梳理 1.1、背景表结构 在讲解中我们需要贯串一个例子，所以需要设计一个情景，对应还要有一个表结构和填充数据。如下：有 3 个字段，分别为 personId 标识某一个人，company 标识一家公司名称，money 标识该公司每年盈利收入（单位：万元人民币） 建表并导入数据： create
转载
2020-05-30 18:50:00
294阅读
2评论
第4章 DDL数据定义 4.1 创建数据库 1）创建一个数据库，数据库在HDFS上的默认存储路径是/user/hive/warehouse/*.db。 hive (default)> create database db_hive; 2）避免要创建的数据库已经存在错误，增加 if not exist
转载
2020-05-30 18:39:00
189阅读
2评论
本节书摘来异步社区《Hadoop MapReduce实战手册》一书中的第1章，第1.3节，作者： 【美】Srinath Perera , Thilina Gunarathne 译者： 杨卓荦 责编： 杨海玲1.3 写WordCountMapReduce示例程序，打包并使用独立的Hadoop运行它Hadoop MapReduce实战手册本节传授如何写一个简单的MapReduce程序，以及如何执行它，
转载
2023-07-24 13:57:29
81阅读
2.3 添加一个新的DataNodeHadoop MapReduce实战手册本节将展示如何在不重启整个集群的情况下将新节点添加到现有的HDFS集群中，以及增加新的节点后，如何强制HDFS重新达到平衡。准备工作请按照下列步骤向HDFS集群中添加DataNode节点。在新节点上安装Hadoop，并且复制现有的Hadoop集群的配置文件。可以使用rsync从另一个节点复制Hadoop配置。例如：>
转载
2023-09-11 19:52:38
94阅读
目录标题1、Hadoop是什么2、Hadoop发展历史3、Hadoop优势4、Hadoop组成4.1 HDFS4.2 YARN4.3 MapReduce架构概述4.4 HDFS、YARN、MapReduce 三者关系5、大数据技术生态系统6、推荐系统的框架图 1、Hadoop是什么1）Hadoop是一个由Apache基金会所开发的分布式系统基础架构。 2）主要解决，海量数据的存储和海量数据的分析
转载
2023-07-12 11:15:50
61阅读
一、Hive基本概念1、概念
Hive：由Facebook开源用于解决海量结构化日志的数据统计。
Hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张表，并提供类SQL查询功能。 本质是：将HQL转化成MapReduce程序 HQL转化成MapReduce （1）Hive处理的数据存储在HDFS（2）Hive分析数据底层的实
转载
2023-08-30 19:26:13
71阅读
Hadoop是一个分布式计算的开源框架，包含三大核心组件：HDFS（Hadoop Distributed System分布式文件系统）、HIVE（数据仓库工具）、HBASEHDFSHDFS是Hadoop生态圈最基础的存储引擎，请注意HDFS的设计主要为大文件存储，为高吞吐量的读取和写入服务，HDFS不适合存储小文件，也不支持大量的随机读写。Hive专门处理存储在HDFS数据仓库工具，通过Hive可
转载
2023-08-16 06:28:07
58阅读
目录一、概述1）Impala优点2）Impala缺点二、Impala架构1）Impala组件组成1、Client2、Impalad3、Statestore4、Catalog5、数据存储服务2）Impalad服务的三种角色3）Impala运行原理1、启动服务时执行的操作2、查询SQL的运行流程3、数据计算流程三、Impala环境部署（CDH集成）1）添加服务2）自定义角色分配3）审核更改4）安装完成
转载
2023-05-29 10:29:22
125阅读
初始Hadoop google的三篇论文(GFS,MapReduce,BigTable)很快促进了hadoop的面世，hadoop实际上起源于Nutch项目，于2006年2月正式启动，2008年开始hadoop正式火起来了。 Apache Hadoop和Hadoop 生态系统Common：一系列组件和接口，用于分布式文件系统和通用I/O Avro : 一种序列化系统，用于支持高效，
转载
2023-07-12 11:15:11
95阅读
Hadoop是一个开发和运行处理大规模数据的平台，实现在多台计算机组成的集群中对海量数据进行分布式计算。hadoop框架最核心的部分是hdfs和mapreduce。hdfs提供了海量数据的存储，mapreduce提供了对数据的计算。hadoop处理海量数据，需要hbase做数据库，hbase是面向列的分布式数据库，使用集群环境的内存做处理，但是不支持sql语句，所以操作和计算数据非常不方便，于是整
转载
2023-05-23 10:18:18
61阅读
