文档章节

Hive Tips

Avner
 Avner
发布于 2017/08/25 15:01
字数 940
阅读 8
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 60
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
3.8K
6
Apache Hive 0.11.0 发布,数据仓库平台

Apache Hive 0.11.0 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
2013/05/17
4K
5
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 1.2.0 发布,数据仓库平台

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Mapreduce程序基于Hadoop执行。 ...

oschina
2015/05/19
4.8K
3

没有更多内容

加载失败,请刷新页面

加载更多

JavaScript实现在线Markdown编辑器、转换HTML工具-toolfk程序员工具网

本文要推荐的[ToolFk]是一款程序员经常使用的线上免费测试工具箱,ToolFk 特色是专注于程序员日常的开发工具,不用安装任何软件,只要把内容贴上按一个执行按钮,就能获取到想要的内容结果。T...

toolfk
29分钟前
1
0
Source Tree 在git 密码更新后,无法拉取代码的解决办法

背景: git 密码总是需要修改。在修改代码后,拉去代码, source tree 总提示access denied. 解决方法:重新修改git 仓库对应的密码。 for mac:应用程序 -》 钥匙串 -》 搜索 source tre...

Carlyle_Lee
34分钟前
1
0
OSChina 周日乱弹 —— 懒床是对冬天最起码的尊重

Osc乱弹歌单(2018)请戳(这里) 【今日歌曲】 @瘟神灬念 :分享daniwellP/桃音モモ的单曲《Nyan Cat》 《Nyan Cat》- daniwellP/桃音モモ 手机党少年们想听歌,请使劲儿戳(这里) @巴拉迪...

小小编辑
今天
71
2
码云项目100,水一发

简单回顾一下: 早期构想最多的,是希望能将PHP一些类和编码分区做得更细,所以很多尝试。但不得不说,PHP的功能过于单一,是的,也许写C/C++扩展,可以解决问题,那我为什么不用C#或者Golan...

曾建凯
今天
4
0
Spring应用学习——AOP

1. AOP 1. AOP:即面向切面编程,采用横向抽取机制,取代了传统的继承体系的重复代码问题,如下图所示,性能监控、日志记录等代码围绕业务逻辑代码,而这部分代码是一个高度重复的代码,也就...

江左煤郎
今天
4
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