UnknownZYB的博客

1.creating hive tableshive>create table pokes (foo int,bar string);creates a table called pokes with two columns,the first being an integer and the other a stringload dataload inpath ""

1.hive的读取方式2.各个方式的例子的对比读取方式：1. stored as textfile1.1 直接查看hdfs1.2 hadoop fs -text2.stored as sequencefile2.1 hadoop fs -text3.stored as rcfile3.1 hive -service rcfilecat path4.store

hive建表是学习hive的第一步，建表很容易，但建个适合自己的就不是那么容易了，建表语句也有很大的学问。1.建表语句：create [external] table [if not exists ] table_name[(col_name data_type [comment col_comment], ...)] [comment table_comment] [partitio

1.何为分桶以及和分区的区别2.实际例子分桶：如果我们根据某列进行分桶，意思就是对这列的值进行hash，然后除以桶的个数再决定把这个值放到哪个桶中，当我们查询数据的时候，where 分桶列=“” 首先也会对这个条件的值进行hash,找到他所在的桶，这样的话 其他桶就不会再找避免暴力扫描，速度上也会提升和分区区别：分区是增加实际目录，每增加一个分区就会多个目录，分桶时把一个大的文

1.动态分区参数介绍2.实际例子几个参数：set hive.exec.dynamic.partition=true//使用动态分区set hive.exec.dynamic.partition.mode=nonstrick;//无限制模式如果模式是strick,则必须有一个静态分区，且放在最前面，就是第一个分区先给他指定好set hive.exec.max.dynamic.

目录[-]1、Hive 分区表1.1 实现细节1.2 语法2、Hive 桶1. 创建带桶的 table ：2. 强制多个 reduce 进行输出：3. 往表中插入数据：4. 查看表的结构：5. 读取数据，看每一个文件的数据：6. 对桶中的数据进行采样：7. 查询一半返回的桶数：3、举个完整的小栗子：（1）建student & studen

创建java类(导入对应的依赖包)：public classHiveHello extendsUDF {   public Text evaluate(Text in){      Stringresult="helloWorld"+in;      returnnew Text(result);   }}打成jar:hive> add jar /scr

hive 分区：1、在Hive Select查询中一般会扫描整个表内容，会消耗很多时间做没必要的工作。有时候只需要扫描表中关心的一部分数据，因此建表时引入了partition概念。2、分区表指的是在创建表时指定的partition的分区空间。3、如果需要创建有分区的表，需要在create表的时候调用可选参数partitioned by，详见表创建的语法结构。创建分区

1.创建练习所需表（外部表）hive> create external table export_test(id int,context string) row format delimited fields terminated by ' ' stored as textfile;2.在本地创建练习数据[root@hadoop02 hive]# touch export_data

Hive只在一个节点上安装即可1.上传tar包2.解压tar -zxvf hive-0.9.0.tar.gz -C /cloud/3.配置mysql metastore（切换到root用户）配置HIVE_HOME环境变量rpm -qa | grep mysqlrpm -e mysql-libs-5.1.66-2.el6_3.i686 --nodeps

1.join表连接：（1） 两个表m,n之间按照on条件连接，m中的一条记录和n中的一条记录组成一条新记录（2）join 等值连接，只有某个值在m和n中同时存在时（3）left outer join 左外连接，左边表中的值无论是否在右表中存在时，都输出，右边表中的值只有在左边表中存在时才输出（4）right outer join 和left outer join 相反（5）