勇敢牛牛，不怕困难！

​ Hive：由 Facebook 开源用于解决海量结构化日志的数据统计工具。​ 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。

（1）要想统计 Music 类别中的视频热度 Top10，需要先找到 Music 类别，那么就需要将category 展开，所以可以创建一张表用于存放 categoryId 展开的数据。所以如果要 group by 类别，需要先将类别进行列转行(展开)，然后再进行 count 即可。（2）我们需要按照类别 group by 聚合，然后 count 组内的 videoId 个数即可。（1）即统计每个类别有多少个视频，显示出包含视频最多的前 10 个类别。（3）统计对应类别（Music）中的视频热度。

抽样可以从被抽取的数据中估计和推断出整体的特性，是科学实验、质量检验、社会调查普遍采用的一种经济有效的工作和研究方法。那么将保存相同列值的桶进行JOIN操作就可以，可以大大较少JOIN的数据量。默认情况下创建的表就是内部表，Hive拥有该表的结构和文件。换句话说，Hive完全管理表（元数据和数据）的生命周期，类似于RDBMS中的表。中的数据不是Hive拥有或管理的，只管理表元数据的生命周期。而且外部表更为方便的是可以搭配location语法指定数据的路径。在Hive外部仍然可以访问实际数据。

🏈当Hive表对应的数据量大、文件多时，为了避免查询时全表扫描数据，Hive支持根据用户指定的字段进行分区，分区的字段可以是日期、地域、种类等具有标识意义的字段。示字段含义如下：count_date（统计日期）,county（县）,state（州）,fips（县编码code）,cases（累计确诊病。是一种用于优化查询而设计的表类型。现有6份数据文件，分别记录了《王者荣耀》中6种位置的英雄相关信息。指的是分区的字段值是基于查询结果自动推断出来的。指的是分区的字段值是由用户在加载数据的时候手动指定的。