文档章节

Hive Tips

Avner
 Avner
发布于 2017/08/25 15:01
字数 940
阅读 12
收藏 0

 

1.筛选变量值中包含特殊符号的值;

选取出名字中包含下划线的名字,如name=AB_TEST;

 select * from emp where name like '%_%';  
-- 此方法的得到的结果是全部的名字,而不只是我们想要的AB_TEST,
-- 因为在HQL模糊查询中,'%'表示任意一个或多个字符,'_'表示任意一个字符。
-- 所以'%_%'的写法并不能筛选出AB_TEST;

为了让'_'表示它本身,应该用转义字符;
select * from emp where name like '%\\_%';
-- 第一个'\'表示的是它是一个转义字符的含义; 而第二'\'表示的是转义字符,此时'-' 表示的是它本身的含义;

2.Hive 排序中NULL的处理;

order by后面可以接列的位置时,需设置参数:

set hive.groupby.orderby.position.alias=true;
true:可以使用列的位置; false:不可以使用列的位置;

在升序排序时,空值(Null)默认排在结果集最前面,在降序排序时,空值(Null)默认排在结果集最后面;

3.Hive Not in后接的子查询中不能有空值;

但在实际操作时发现,子查询中有空值并不会导致最终结果有影响;

4.Hive 启用客户端方式(具体操作还不清楚,待后续跟进);

启动客户端方式的方法:hive --service hiveserver;

5.和SQL一样,HiveQL中同样支持DISTINCT操作,如下示例:

此部分转至:http://blog.csdn.net/zj360202/article/details/38420575


(1) SELECT count(DISTINCT uid) FROM log
(2) SELECT ip, count(DISTINCT uid) FROM log GROUP BY ip
(3) SELECT ip, count(DISTINCT uid, uname) FROMlog GROUP BY ip
(4) SELECT ip, count(DISTINCTuid), count(DISTINCT uname) FROMlog GROUP BY ip

当我们使用Hive QL中的去重关键字DISTINCT时,需要注意的一点是:
在多个列上进行的去重操作与hive环境变量hive.groupby.skewindata存在关系。
当hive.groupby.skewindata=true时,hive不支持多列上的去重操作,并报错:

Error in semantic analysis: DISTINCT on different columns notsupported with skew in data. 

注意:上面示例中的(3)不属于多列上的DISTINCT操作。

select mac,count(1) from log group by mac;  

当某一个mac的值非常多,如果几个mac的hash是一样的,会分到一个reduce,且数量已经超过一个reduce的容量或是处理能力的时候,上面的语句改成 :

hive.groupby.skewindata=true;  
select mac,count(1) from log group by mac;  

 

Group By 语句

  • Map 端部分聚合:
    • 并不是所有的聚合操作都需要在 Reduce 端完成,很多聚合操作都可以先在 Map 端进行部分聚合,最后在 Reduce端得出最终结果。
    • 基于 Hash
    • 参数包括:
      • hive.map.aggr = true 是否在 Map 端进行聚合,默认为True
      • hive.groupby.mapaggr.checkinterval =100000 在 Map 端进行聚合操作的条目数目
  • 有数据倾斜的时候进行负载均衡
    • hive.groupby.skewindata = false
    • 当选项设定为 true,生成的查询计划会有两个 MR Job。第一个 MR Job 中,Map 的输出结果集合会随机分布到Reduce 中,每个 Reduce 做部分聚合操作,并输出结果,这样处理的结果是相同的 Group By Key有可能被分发到不同的 Reduce 中,从而达到负载均衡的目的;第二个 MR Job 再根据预处理的数据结果按照 Group ByKey 分布到 Reduce 中(这个过程可以保证相同的 Group By Key 被分布到同一个 Reduce中),最后完成最终的聚合操作。

hive.groupby.skewindata变量

从上面groupby语句可以看出,这个变量是用于控制负载均衡的。当数据出现倾斜时,如果该变量设置为true,那么Hive会自动进行负载均衡。

HIVE-2416

Currently when multiple distinct function is used,Hive.groupby.skewindata optimization parameter shall be set false,or else an exception is raised:

Error in semantic analysis: DISTINCT on different columns not supported with skew in data

Skew groupby should support multiple distinct function.

 

© 著作权归作者所有

共有 人打赏支持
Avner
粉丝 8
博文 61
码字总数 54757
作品 0
杭州
程序员
私信 提问
【总结】Apache Sentry 服务简介

Sentry是一个RPC服务,将认证元数据信息存储在关系型数据库,并提供RPC接口检索和操作权限。利用Kerveros支持安全访问。Sentry Service通过后台数据库存储提供认证元数据信息,不处理真实的权...

巧克力黒
2017/08/16
0
0
Apache Hive 2.0.0 发布,数据仓库平台

Apache Hive 2.0.0 发布,完整改进记录如下: Release Notes - Hive - Version 2.0.0 Sub-task [HIVE-8858] - Visualize generated Spark plan [Spark Branch] [HIVE-9139] - Clean up GenSp......

oschina
2016/02/17
4.2K
6
安装配置hive

环境: ubuntu 14.04 hadoop 1.0.1 5.5.46-0ubuntu0.14.04.2 hive 0.9.0 安装配置步骤: 安装mysql sudo apt-get install mysql-serve 在安装过程中会让你配置root用户的密码,去设置的是roo...

z_jordon
2015/12/14
130
0
Apache Hive 0.12.0 发布,数据仓库平台

Apache Hive 0.12.0 发布了,Hive是一个基于Hadoop的数据仓库平台。通过hive,我们可以方便地进行ETL的工作。hive定义了一个类似于SQL的查询语言:HQL,能 够将用户编写的QL转化为相应的Map...

oschina
2013/10/16
3K
1
Hbase 关联 hive 表

Hbase 是可以支持实时查询的非关系行数据库,采用列存储的同时也是的直接查询的数据不太直观,对此,我们可以将之关联hive表,通过HQL大到查询Hbase的目的 Hbase 关联 hive 表有两种方式(通...

利伊奥克儿
2018/09/29
0
0

没有更多内容

加载失败,请刷新页面

加载更多

Android Multimedia框架总结(一)MediaPlayer介绍之状态图及生命周期

前言:从本篇开始,将进入Multimedia框架,包含MediaPlayer, Camera, Surface, MediaRecord, 接下来几篇都是MediaPlayer相关。同样看下Agenda如下: MediaPlayer的状态图 Idle 状态 End 状态...

天王盖地虎626
11分钟前
0
0
IntelliJ IDEA创建第一个Spring boot项目

下载maven:http://maven.apache.org/download.cgi 开发工具:IntelliJ IDEA JDK: Java JDK1.8 ## 1.为了第一个项目初始化速度加快,我们先来配置maven: 添加配置: 选择Build,Execution,Dep...

凌宇之蓝
今天
2
0
Coding and Paper Letter(四十五)

资源整理。 1 Coding: 1.Python库gempy,一种基于Python的开源三维结构地质建模软件,它允许从界面和方向数据隐式(即自动)创建复杂的地质模型。 它还支持随机建模以解决参数和模型的不确定...

胖胖雕
今天
6
0
golang 声明一个指定长度的数组,用于后续添加

很多时候我们需要声明一个指定长度的数组,用于后续添加.在使用go的时候要注意,下面的第一个例子会有报错 "non-constant array bound",应该使用第二个例子. Length 是动态的值 有报错的例子 ...

漫步海边小路
今天
0
0
Java NIO示例

Server端 /** * 《构建高性能的大型分布式Java应用》 * 书中的示例代码 * 版权所有 2008---2009 */package book.chapter1.tcpnio;import java.net.InetSocketAddress;i...

月下狼
今天
1
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部