Hive
-
hive底层与数据库交互原理
Hive的查询功能是由hdfs + mapreduce结合起来实现的 Hive与mysql的关系:只是借用mysql来存储hive中的表的元数据信息,称为metastore
-
说说对 Hive 桶表的理解?
桶表是对数据进行哈希取值,然后放到不同文件中存储。 数据加载到桶表时,会对字段取 hash 值,然后与桶的数量取模。把数据放到对应的文件中。物理上,每个桶就是表(或分区)目录里的一...
-
Hive 的函数:UDF、UDAF、UDTF 的区别?
UDF:单行进入,单行输出 UDAF:多行进入,单行输出 UDTF:单行输入,多行输出
-
所有的 Hive 任务都会有 MapReduce 的执行吗?
不是,从 Hive0.10.0 版本开始,对于简单的不需要聚合的类似 SELECT from LIMIT n 语句,不需要起 MapReduce job,直接通过 Fetch ta...
-
Hive 中的压缩格式 TextFile、SequenceFile、RCfile 、ORCfile 各有什么区别?
1、TextFile 默认格式,存储方式为行存储,数据不做压缩,磁盘开销大,数据解析开销大。可结合 Gzip、Bzip2 使用(系统自动检查,执行查询时自动解压),但使用这种方式,...
-
Hive 内部表和外部表的区别?
创建表时:创建内部表时,会将数据移动到数据仓库指向的路径;若创建外部表,仅记录数据所在的路径,不对数据的位置做任何改变。 删除表时:在删除表的时候,内部表的元数据和数据会被一起删除...
-
Hive 有哪些方式保存元数据,各有哪些特点?
Hive 支持三种不同的元存储服务器,分别为:内嵌式元存储服务器、本地元存储服务器、远程元存储服务器,每种存储方式使用不同的配置参数。 内嵌式元存储主要用于单元测试,在该模式下每次...
-
写出 hive 中 split、coalesce 及 collect_list 函数的用法(可举例)?
split 将字符串转化为数组,即:split('a,b,c,d' , ',') ==> ["a","b","c","d"]。 coalesce(T v1, T v2, …) 返回...
-
请说明 hive 中 Sort By,Order By,Cluster By,Distrbute By 各代表什么意思?
order by:会对输入做全局排序,因此只有一个 reducer(多个 reducer 无法保证全局有序)。只有一个 reducer,会导致当输入规模较大时,需要较长的计算时间。...
-
谈一下 Hive 的特点?
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数据库表,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...
-
Hive 的两张表关联,使用 MapReduce 怎么实现?
如果其中有一张表为小表,直接使用 map 端 join 的方式(map 端加载小表)进行聚合。 如果两张都是大表,那么采用联合 key,联合 key 的第一个组成部分是 join ...
-
Hive 底层与数据库交互原理?
由于 Hive 的元数据可能要面临不断地更新、修改和读取操作,所以它显然不适合使用 Hadoop 文件系统进行存储。目前 Hive 将元数据存储在 RDBMS 中,比如存在储 My...
-
Hive 的 HSQL 转换为 MapReduce 的过程?
HiveSQL ->AST(抽象语法树) -> QB(查询块) ->OperatorTree(操作树)-> 优化后的操作树->mapreduce 任务树->优化后的 mapredu...
-
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 key Hash 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...