既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！
由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新
1、 Hive 的 join 有几种方式，怎么实现 join 的？答：有3 种 join 方式：
1）在 reduce 端进行 join，最常用的 join 方式。Map端的主要工作：为来自不同表(文件)的 key/value 对打标签以区别不同来源的记录。然后用连接字段作为 key，其余部分和新加的标志作为 value，最后进行输出。reduce 端的主要工作：在 reduce 端以连接字段作为 key 的分组已经完成，我们只需要在每一个分组当中将那些来源于不同文件的记录 (在 map 阶段已经打标志)分开，最后进行笛卡尔。2）在 map 端进行 join，使用场景：一张表十分小、一张表很大。在提交作业的时候先将小表文件放到该作业的 DistributedCache 中，然后从 DistributeCache 中取出该小表进行 join key / value 解释分割放到内存中(可以放大 Hash Map 等等容器中)。然后扫描大表，看大表中的每条记录的 join key /value 值是否能够在内存中找到相同 join key 的记录，如果有则直接输出结果。3）SemiJoin，semijoin 就是左边连接是 reducejoin 的一种变种，在 map 端过滤掉一些数据，在网络传输过程中，只传输参与连接的数据，减少了 shuffle的网络传输量，其他和 reduce的思想是一样的。实现：将小表中参与 join 的 key 单独抽取出来通过 DistributeCache 分发到相关节点，在 map 阶段扫描连接表，将 join key 不在内存 hashset 的纪录过滤掉，让参与 join 的纪录通过 shuffle 传输到 reduce 端进行 join，其他和 reduce join 一样。
2、hive 内部表和外部表的区别？内部表：建表时会在 hdfs 创建一个表的存储目录，增加分区的时候，会将数据复制到此location下，删除数据的时候，将表的数据和元数据一起删除。外部表：一般会建立分区，增加分区的时候不会将数据移到此表的 location下，删除数据的时候，只删除了表的元数据信息，表的数据不会删除。
3、 hive 是如何实现分区的？建表语句：create table tablename (id) partitioned by (dt string)增加分区：alter table tablenname add partition (dt = ‘2016-03-06’)删除分区：alter table tablename drop partition (dt = ‘2016-03-06’)
4、 Hive 有哪些方式保存元数据，各有哪些优缺点。
1)存储于 derby 数据库，此方法只能开启一个hive客户端，不推荐使用
2)存储于mysql数据库中，可以多客户端连接，推荐使用。
5、 hive 如何优化？
1）join 优化，尽量将小表放在 join 的左边，如果一个表很小可以采用 mapjoin。
2）排序优化，order by 一个 reduce 效率低，distirbute by +sort by 也可以实现全局排序。3）使用分区，查询时可减少数据的检索，从而节省时间。
6、 hive 中的压缩格式 RCFile、 TextFile、 SequenceFile 各有什么区别？
TextFile：默认格式，数据不做压缩，磁盘开销大，数据解析开销大
SequenceFile：Hadoop API提供的一种二进制文件支持，使用方便，可分割，可压缩，支持三种压缩，NONE，RECORD，BLOCK。RCFILE 是一种行列存储相结合的方式。首先，将数据按行分块，保证同一个 record 在同一个块上，避免读一个记录读取多个block。其次，块数据列式存储，有利于数据压缩和快速的列存取。数据加载的时候性能消耗大，但具有较好的压缩比和查询响应。
7、 hive 相对于Oracle来说有那些优点？
既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！
由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新
化资料的朋友，可以戳这里获取](https://bbs.csdn.net/topics/618545628)**
547
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
