Hive的数据类型与DML和DDL

最新推荐文章于 2024-06-27 14:53:43 发布
最新推荐文章于 2024-06-27 14:53:43 发布
阅读量180 收藏
点赞数
分类专栏： 大数据 文章标签： Hive 大数据
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/JiangDongS/article/details/100878773
版权

Hive 数据类型：

基本数据类型：

Hive数据类型Java数据类型长度例子
TINYINTbyte1byte有符号整数20
SMALINTshort2byte有符号整数20
INTint4byte有符号整数20
BIGINTlong8byte有符号整数20
BOOLEANboolean布尔类型，true或者falseTRUE FALSE
FLOATfloat单精度浮点数3.14159
DOUBLEdouble双精度浮点数3.14159
STRINGstring字符系列。可以指定字符集。可以使用单引号或者双引号。‘now is the time’ “for all good men”
TIMESTAMP时间类型
BINARY字节数组

​ 对于 Hive 的 String 类型相当于数据库的 varchar 类型，该类型是一个可变的字符串，不过它不能。其中最多能存储多少个字符，理论上它可以存储2GB的字符数。

集合数据类型：

数据类型描述语法示例
STRUCT和c语言中的struct类似，都可以通过“点”符号访问元素内容。例如，如果某个列的数据类型是STRUCT{first STRING, last STRING},那么第1个元素可以通过字段.first来引用。struct()
MAPMAP是一组键-值对元组集合，使用数组表示法可以访问数据。例如，如果某个列的数据类型是MAP，其中键->值对是’first’->’John’和’last’->’Doe’，那么可以通过字段名[‘last’]获取最后一个元素map()
ARRAY数组是一组具有相同类型和名称的变量的集合。这些变量称为数组的元素，每个数组元素都有一个编号，编号从零开始。例如，数组值为[‘John’, ‘Doe’]，那么第2个元素可以通过数组名[1]进行引用。Array()

​ Hive 有三种复杂数据类型 ARRAY、MAP和STRUCT。ARRAY 和 MAP 与 Java 中的 Array 和 Map 类似，而 STRUCT 与 C 语言中的 Struct 类似，它封装了一个命名字段集合，复杂数据类型允许任意层次的嵌套。

案例实操：

​ 1）假设某表有如下一行，我们用JSON格式来表示其数据结构。在Hive下访问的格式为：

{
    "name": "songsong",
    "friends": ["bingbing" , "lili"] ,       //列表Array, 
    "children": {                      //键值Map,
        "xiao song": 18 ,
        "xiaoxiao song": 17  
  }
    "address": {                      //结构Struct,
        "street": "hai dian qu" ,
        "city": "beijing" 
    }
}

​ 2）基于上述数据结构，我们在Hive里创建对应的表，并导入数据。

​ 在 /opt/module 创建本地测试文件test.txt

songsong,bingbing_lili,xiao song:18_xiaoxiao song:17,hai dian qu_beijing
yangyang,caicai_susu,xiao yang:18_xiaoxiao yang:19,chao yang_beijing

​ 注意，MAP，STRUCT和ARRAY里的元素间关系都可以用同一个字符表示，这里用“_”。

​ 3）Hive上创建测试表test：

create table test(
name string,
friends array<string>,
children map<string, int>,
address struct<street:string, city:string>
)
row format delimited fields terminated by ','
collection items terminated by '_'
map keys terminated by ':'
lines terminated by '\n';

​ 字段解释：

​ row format delimited fields terminated by ‘,’ – 列分隔符

​ collection items terminated by ‘_’ --MAP STRUCT 和 ARRAY 的分隔符(数据分割符号)

​ map keys terminated by ‘:’ – MAP中的key与value的分隔符

​ lines terminated by ‘\n’; – 行分隔符

​ 4）导入文本数据到测试表:

​ hive (default)> load data local inpath ‘/opt/module/datas/test.txt’ into table test;

​ 5）访问三种集合列里的数据，以下分别是ARRAY，MAP，STRUCT的访问方式:

​ hive (default)> select friends[1]as朋友,children[‘xiao song’]as年龄,address.city from test where name=“songsong”;

OK
_c0     _c1     city
lili    18      beijing
Time taken: 0.076 seconds, Fetched: 1 row(s)

​ 如果起别名：select friends[1] as pengyou from test where name=“songsong”;

类型转换：

​ Hive 的原子类型是可以隐式转换的，类似于Java的类型转换，例如某表达式使用INT类型，TINYINT会自动转换为INT类型，但是Hive不会进行反向转化，例如，某表达式使用TINYINT类型，INT不会自动转换为TINYINT类型，它会返回错误，除非使用CAST操作。

​ 1）隐式类型转换规则如下。

​ （1）任何整数类型都可以隐式地转换为一个范围更广的类型，如TINYINT可以转换成INT，INT可以转换成BIGINT。

​ （2）所有整数类型、FLOAT和STRING类型都可以隐式地转换成DOUBLE。

​ （3）TINYINT、SMALLINT、INT都可以转换为FLOAT。

​ （4）BOOLEAN类型不可以转换为任何其它的类型。

​ 2）可以使用CAST操作显示进行数据类型转换，例如CAST(‘1’ AS INT)将把字符串’1’ 转换成整数1；如果强制类型转换失败，如执行CAST(‘X’ AS INT)，表达式返回空值 NULL。

DDL 数据定义：

​ 数据库模式定义语言 DDL，是用于描述数据库中要存储的现实实体的语言。

​ 创建数据库：在创建的时候判断是否已经存在该数据库: create database if not exists db_hive

修改数据库：

​ 用户可以使用 ALTER DATABASE 命令为某个数据库的 DBPROPERTIES 设置 键-值 对属性值，来描述这个数据库的属性信息。

​ 数据库的其他元数据信息都是不可更改的，包括数据库名和数据库所在的目录位置。

​ hive (default)> alter database db_hive set dbproperties(‘createtime’=‘20190506’);

​ 查看修改结果：

​ hive> desc database extended db_hive;

查询数据库：

​ 过滤显示查询的数据库：

​ hive>show databases like ‘db_hive*’; //只显示以 db_hive 开头的数据库

查看数据库详细：

​ 显示数据库信息：

​ hive> desc database db_hive;

​ 显示数据库详细信息，extended：

​ hive> desc database extended db_hive;

删除数据库：

​ 删除空数据库：

​ hive>drop database db_hive2;

​ 删除时判断是否存在：

​ hive> drop database if exists db_hive2;

​ 强制删除不为空的数据库：

​ hive> drop database db_hive cascade;

创建表：

​ 1）语法：

CREATE [EXTERNAL] TABLE [IF NOT EXISTS] table_name 
[(col_name data_type [COMMENT col_comment], ...)] 
[COMMENT table_comment] 
[PARTITIONED BY (col_name data_type [COMMENT col_comment], ...)] 
[CLUSTERED BY (col_name, col_name, ...) 
[SORTED BY (col_name [ASC|DESC], ...)] INTO num_buckets BUCKETS] 
[ROW FORMAT row_format] 
[STORED AS file_format] 
[LOCATION hdfs_path]

​ 2）字段解释说明：

​ （1）CREATE TABLE 创建一个指定名字的表。

​ 如果相同名字的表已经存在，则抛出异常；用户可以用 IF NOT EXISTS 选项来忽略这个异常。

​ （2）EXTERNAL 关键字可以让用户创建一个外部表，在建表的同时指定一个指向实际数据的路径（LOCATION），Hive创建内部表时，会将数据移动到数据仓库指向的路径；若创建外部表，仅记录数据所在的路径，不对数据的位置做任何改变。在删除表的时候，内部表的元数据和数据会被一起删除，而外部表只删除元数据，不删除数据。

​ （3）COMMENT：为表和列添加注释。

​ （4）PARTITIONED BY 创建分区表

​ （5）CLUSTERED BY 创建分桶表

​ （6）SORTED BY 不常用

​ （7）ROW FORMAT 用户在建表的时候可以自定义 SerDe（序列化） 或者使用自带的 SerDe。如果没有指定 ROW FORMAT 或者 ROW FORMAT DELIMITED （分隔符），将会使用自带的 SerDe。在建表的时候，用户还需要为表指定列，用户在指定表的列的同时也会指定自定义的 SerDe，Hive 通过 SerDe 确定表的具体的列的数据。

​ （8）STORED AS 指定存储文件类型

​ 常用的存储文件类型：SEQUENCEFILE（二进制序列文件）、TEXTFILE（文本）、RCFILE（列式存储格式文件）

​ 如果文件数据是纯文本，可以使用STORED AS TEXTFILE。如果数据需要压缩，使用 STORED AS SEQUENCEFILE。

​ （9）LOCATION ：指定表在HDFS上的存储位置。

​ （10）LIKE 允许用户复制现有的表结构，但是不复制数据。

管理表（内部表）：

​ 1）理论：

​ 默认创建的表都是所谓的管理表，有时也被称为内部表。因为这种表，Hive 会（或多或少地）控制着数据的生命周期。Hive 默认情况下会将这些表的数据存储在由配置项 hive.metastore.warehouse.dir 所定义的目录的子目录下。

​ 当我们删除一个管理表时，Hive也会删除这个表中数据。管理表不适合和其他工具共享数据。

​ 2）案例：

​ （1）普通创建表：

create table if not exists student2(
id int, name string
)
row format delimited fields terminated by '\t'
stored as textfile
location '/user/hive/warehouse/student2';

​ （2）根据查询结果创建表（查询的结果会添加到新创建的表中）

create table if not exists student3
as select id, name from student;

​ （3）根据已经存在的表结构创建表

create table if not exists student4 like student;

​ （4）查询表的类型

hive (default)> desc formatted student2;

Table Type:             MANAGED_TABLE

分区表：

​ 分区表实际上就是对应一个HDFS文件系统上的独立的文件夹，该文件夹下是该分区所有的数据文件。Hive中的分区就是分目录，把一个大的数据集根据业务需要分割成小的数据集。在查询时通过WHERE子句中的表达式选择查询所需要的指定的分区，这样的查询效率会提高很多。

外部表：

​ 1）理论：

​ 删除该表时并不会删除掉数据，不过描述表的元数据信息会被删除掉。

​ 2）与内部表区别：

​ 每天将收集到的网站日志定期流入 HDFS 文本文件。在外部表（原始日志表）的基础上做大量的统计分析，中间表、结果表使用内部表存储，数据通过 SELECT + INSERT 进入内部表。

​ 3）案例实操

​ 分别创建部门和员工外部表，并向表中导入数据。

原始数据：

​ 部门表：dept

10	ACCOUNTING	1700
20	RESEARCH	1800
30	SALES	1900
40	OPERATIONS	1700

​ 员工表：emp

7369	SMITH	CLERK	7902	1980-12-17	800.00		20
7499	ALLEN	SALESMAN	7698	1981-2-20	1600.00	300.00	30
7521	WARD	SALESMAN	7698	1981-2-22	1250.00	500.00	30
7566	JONES	MANAGER	7839	1981-4-2	2975.00		20
7654	MARTIN	SALESMAN	7698	1981-9-28	1250.00	1400.00	30
7698	BLAKE	MANAGER	7839	1981-5-1	2850.00		30
7782	CLARK	MANAGER	7839	1981-6-9	2450.00		10
7788	SCOTT	ANALYST	7566	1987-4-19	3000.00		20
7839	KING	PRESIDENT		1981-11-17	5000.00		10
7844	TURNER	SALESMAN	7698	1981-9-8	1500.00	0.00	30
7876	ADAMS	CLERK	7788	1987-5-23	1100.00		20
7900	JAMES	CLERK	7698	1981-12-3	950.00		30
7902	FORD	ANALYST	7566	1981-12-3	3000.00		20
7934	MILLER	CLERK	7782	1982-1-23	1300.00		10

创建表：

​ 部门表：

create external table if not exists dept(
deptno int,
dname string,
loc int
)
row format delimited fields terminated by '\t';

​ 员工表：

create external table if not exists emp(
empno int,
ename string,
job string,
mgr int,
hiredate string, 
sal double, 
comm double,
deptno int
)
row format delimited fields terminated by '\t';

​ 向外部表中导入数据：

hive (jds)> load data local inpath ‘/opt/module/soft/dept.txt’ into table dept;

hive (jds)> load data local inpath ‘/opt/module/soft/emp.txt’ into table emp;

​ 查看表格式化数据：

hive (jds)> desc formatted dept;

分区表基本操作：

创建分区表语法：
create table dept_partition(
               deptno int, dname string, loc string
               )
               partitioned by (month string)
               row format delimited fields terminated by '\t';
加载数据到分区表中：

​ hive (jds)> load data local inpath ‘/opt/module/soft/dept.txt’ into table dept_partition partition(month=‘201907’);

​ hive (jds)> load data local inpath ‘/opt/module/soft/dept.txt’ into table dept_partition partition(month=‘201908’);

分区查询：where

​ 单分区查询：select * from dept_partition where month=‘201908’;

​ 多分区联合查询：

select * from dept_partition where month='201907'
union
select * from dept_partition where month='201908';
创建分区：add

​ 创建单个分区：hive (jds)> alter table dept_partition add partiton(month=‘201909’);

​ 同时创建多个分区：alter table dept_partition add partition(month=‘201905’) partition(month=‘201906’);

删除分区：drop

​ 删除单个分区：hive (jds)> alter table dept_partition drop partition(month=‘201905’);

​ 删除多个分区：hive (jds)> alter table dept_partition drop partition(month=‘201906’),partition(month=‘201907’);

​ 注：增加多个分区用 “ ”（空格）隔开，删除多个分区用 “ ，”（逗号） 隔开

**查看分区数：partitions **

​ hive (jds)> show partitions dept_partition;

**查看分区表结构：formatted **

​ hive (jds)> desc formatted dept_partition;

分区表的注意事项：

创建二级分区表：
create table dept_partition2(
               deptno int, dname string, loc string
               )
               partitioned by (month string, day string)
               row format delimited fields terminated by '\t';
正常的加载数据：

​ 加载数据到二级分区表中：

​ hive (jds)> load data local inpath ‘/opt/module/soft/dept.txt’ into table dept_partition2 partition(month=‘201909’,day=‘13’);

​ 查询分区数据：

​ hive (jds)> select * from dept_partition2 where month=‘201909’ and day=‘13’;

​ 数据上传分区目录，让分区表和数据产生关联的方式：

​ 方式一：先上传数据后同步元数据

​ **上传数据：**dfs -mkdir -p /user/hive/warehouse111/jds.db/dept_partition2/month=201910/day=10;

​ dfs -put /opt/module/soft/dept.txt /user/hive/warehouse111/jds.db/dept_partition2/month=201910/day=10;

​ **查询上传的数据：**hive (jds)> select * from dept_partition2 where month=‘201910’ and day=10; 数据为空

​ **同步元数据 msck repair ：**hive (jds)> msck repair table dept_partition2;

​ **再次查询：**hive (jds)> select * from dept_partition2 where month=‘201910’ and day=10; 显示上传数据

​ 方式二：上传数据后添加分区：

​ 上传数据：hive (jds)> dfs -mkdir -p /user/hive/warehouse111/jds.db/dept_partition2/month=201910/day=11;

​ hive (jds)> dfs -put /opt/module/soft/dept.txt /user/hive/warehouse111/jds.db/dept_partition2/month=201910/day=11;

​ 添加分区：hive (jds)> alter table dept_partition2 add partition(month=‘201910’,day=11);

​ 查询数据：hive (jds)> select * from dept_partition2 where month=‘201910’ and day=11;

​ 方式三：上传数据后 load 数据到分区

​ 创建目录：hive (jds)> dfs -mkdir -p /user/hive/warehouse111/jds.db/dept_partition2/month=201910/day=12;

​ 上传数据：hive (jds)> load data local inpath ‘/opt/module/soft/dept.txt’ into table dept_partition2 partition(month=‘201910’,day=12);

​ 查询数据：hive (jds)> select * from dept_partition2 where month=‘201910’ and day=12;

修改表：

重命名表：

​ 案例：将 dept_partition2 改为 dept_partition3

​ hive (jds)> alter table dept_partition2 rename to dept_partition3;

增加/修改/替换列信息：

​ 添加列：deptdesc string

​ hive (jds)> alter table dept_partition add columns(deptdesc string);

​ 更新列：将 deptdesc string 更新为 pid int

​ hive (jds)> alter table dept_partition change column deptdesc pid int;

​ 替换列：全替换

​ hive (jds)> alter table dept_partition replace columns(deptno string,dname string,loc string);

DML 数据操作：

数据导入：

​ 向表中转载数据：hive>load data [local] inpath ‘/opt/module/datas/student.txt’ [overwrite] into table student [partition (partcol1=val1,…)];

​ 1）load data：表示加载数据

​ 2）local：表示从本地加载数据带 hive 表；否则从 HDFS 加载数据到 hive 表

​ 3）inpath：表示加载数据的路径

​ 4）overwrite：表示覆盖表中已有数据，否则表示追加

​ 5）into table：表示加载到哪张表

​ 6）student：表示具体的表名

​ 7）partition：表示上传到指定分区

​ 案例：

​ 0、创建表：hive (jds)> create table student(id string, name string) row format delimited fields terminated by ‘\t’;

​ 1、加载本地文件到 hive：hive (default)> load data local inpath ‘/opt/module/datas/student.txt’ into table default.student;

​ 2、加载 HDFS 文件到 hive 中：

​ hive (default)> dfs -put /opt/module/datas/student.txt /user/itstar/hive;

​ hive (default)>load data inpath ‘/user/itstar/hive/student.txt’ into table default.student;

​ 3、加载数据覆盖表中已有的数据：

​ hive (default)> dfs -put /opt/module/datas/student.txt /user/itstar/hive;

​ hive (default)>load data inpath ‘/user/itstar/hive/student.txt’ overwrite into table default.student;

​ 注：load hdfs 的数据相当于 mv（剪切） 文件到另一个目录中，源目录文件消失

通过查询语句向表中插入数据（insert）：

​ 1、创建分区表：hive (jds)> create table student(id int, name string) partitioned by (month string) row format delimited fields terminated by ‘\t’;

​ 2、基本插入数据：hive (jds)> insert into table student partition(month=‘201907’) values(1,‘wangwu’);

​ 3、单表查询插入数据：hive (jds)> insert overwrite table student partition(month=‘201908’)

​ select id, name from student where month=‘201907’;

​ 4、多表查询插入数据：hive (jds)> from student

​ insert overwrite table student partition(month=‘201909’)

​ select id, name where month=‘201907’

​ insert overwrite table student partition(month=‘201910’)

​ select id, name where month=‘201908’;

创建表时通过 Location 指定加载数据路径：

​ 1、创建表：hive (jds)> create table if not exists student2(

​ id int, name string）

​ row format delimited fields terminated by ‘\t’

​ location ‘/user/hive/warehouse/student2’;

​ 2、上传数据到 hdfs：hive (jds)> dfs -put /opt/module/soft/student.txt /user/hive/warehouse/student2;

​ 3、查询数据：hive (jds)> select * from student2; 注：数据显示成功

Import 数据到指定的 Hive 表中：

​ 注意：先用 export 导出后（导出的数据目录里面附带有元数据），再 import 数据导入。同在 HDFS 上是 Copy 级操作

​ 命令：hive (jds)> export table student to ‘/user/hive/warehouse/export/student’;

​ 创建新表接受数据：hive (jds)> create table student3(

​ id int, name string)

​ partitioned by (month string)

​ row format delimited fields terminated by ‘\t’;

​ 向表中插入数据：hive (jds)> import table student3 from ‘/user/hive/warehouse/export/student’;

数据导出：

1、将查询的数据导出到本地，数据之间无间隔：

hive (jds)> insert overwrite local directory ‘/opt/module/datas/export/student’ select * from student;

2、将查询的数据导出到本地，数据之间 “\t” 间隔：

hive (jds)> insert overwrite local directory ‘/opt/module/datas/export/student2’ ROW FORMAT DELIMITED FIELDS TERMINATED BY ‘\t’ select * from student;

3、将查询的结果导出到 HDFS 上：

hive (jds)> insert overwrite directory ‘/user/student2’ ROW FORMAT DELIMITED FIELDS TERMINATED BY ‘\t’ select * from student;

​ 注：虽然同是HDFS，但不是copy操作

4、Hadoop 命令导出到本地：

hive (jds)> dfs -get /user/hive/warehouse/student/month=201809/000000_0 /opt/module/datas/export/student3.txt;

​ 5、Hive Shell 命令导出：

[root@bigdata111 module]# hive -e ‘select * from default.student;’ > /opt/module/datas/export/student4.txt;

6、Export导出到HDFS上：

hive (jds)> export table default.student to ‘/user/hive/warehouse/export/student’;

7、清除数据：

hive (jds)> truncate table student;

注：Truncate只能删除管理表，不能删除外部表中数据

IT新手村小蒋
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Hive常用的DDL和DML操作
ZCX5127168的博客
11-20 363
hive的操作 ddl操作：（data define language） 库的操作： 创建库：create database name； 切换库：use name； 查看库列表：show databases； 查看数据库的描述信息：desc database name； 查看正在使用的库：select current_database(); ...
Hive之DML数据操作
01-07
Hive简介：...Hive数据类型： https://blog.csdn.net/weixin_45102492/article/details/91048019 Hive之DDL数据定义： https://blog.csdn.net/weixin_45102492/article/details/91349323 Hive
Hive(基础)数据类型、DDL、DML操作、分区和分桶
m0_51691291的博客
11-25 1658
Hive数据类型、DDL、DML操作、分区和分桶1、Hive数据类型1.1、基本数据类型1.2、集合数据类型1.3、数据类型转换1.3.1、隐式数据类型转换1.3.1、使用 CAST 操作显示进行数据类型转换2、DDL 数据定义2.1、创建数据库2.2、查询数据库2.3、创建表2.3.1、建表语法2.3.2、字段说明2.3.3、管理表（内部表）2.3.4、外部表2.3.5、内部表与外部表的互相转换2.4、修改表2.5、删除表3、DML 数据操作3.1、数据导入3.2、数据导出3.3、清除表数据4、分区表和分
Hive详解之数据类型和DDL
lixinkuan的博客
10-04 454
官方帮助文档：https://cwiki.apache.org/confluence/display/Hive/LanguageManual+DDL 一、Hive的数据类型 -- 扩展数据类型 data_type : primitive_type | array_type | map_type | struct_type | union_type -- (Note: Available in ...
Hive之DML操作
luoyepiaoxue2014的博客
11-25 736
Hive系列第六章
Hive之文件格式
ly13607255628的博客
10-10 1104
Hive支持的存储数的格式主要有：TEXTFILE（默认格式） 、SEQUENCEFILE、RCFILE、ORCFILE、PARQUET。 textfile为默认格式，建表时没有指定文件格式，则使用TEXTFILE，导入数据时会直接把数据文件拷贝到hdfs上不进行处理； sequencefile，rcfile，orcfile格式的表不能直接从本地文件导入数据，数据要先导入到textfile格式的表中， 然后再从表中用insert导入sequencefile、rcfile、orcfile表中。 行存储与列
Hive中的DDL与DML语句
Markble
08-17 5163
一、DDL数据定义 1、 创建数据库 CREATE DATABASE [IF NOT EXISTS] database_name [COMMENT database_comment] [LOCATION hdfs_path] [WITH DBPROPERTIES (property_name=property_value, ...)]; 1）创建一个数据库，数据库在HDFS上的默认存储路径是: /user/hive/warehouse/*.db hive (default)> crea
Hive之DDL、DML数据操作
lslslslslss的博客
12-22 894
目录 一、DDL(Data Definition Language 数据库定义语言) 1.创建数据库 2.查询数据库 3.修改数据库 4.删除数据库 5.创建表 管理表（内部表） 外部表 两个表的相互转换 修改表 删除表 清除表 二、DML数据操作 1.数据导入 向表中装载数据（Load） 通过查询语句向表中插入数据（Insert） 查询语句中创建表并加载数据（As Select） 创建表时通过Location指定加载数据路径 Import数据到指定Hive表中 2.
Hive DDL 之 表
01-07
创建表 语法： CREATE [EXTERNAL] TABLE [IF NOT EXISTS] table_name [(col_name data_type [COMMENT col_comment], …)] [COMMENT table_comment] [PARTITIONED BY (col_name data_type [COMMENT col_comment], …)...
Hive DML
01-07
Hive不支持update的操作。数据一旦导入，则不可修改。要么drop掉整个表，要么建立新的表，导入新的数据。 load：加载数据到表 load data [local] inpath ‘filepath’ overwrite | into table 表名 [partition ...
大数据技术之Hive数据仓库工具
03-31
第一章 Hive基本概念 第二章 Hive的安装 第三章 Hive数据类型 第四章 DDL数据定义 第五章 DML数据操作 第六章 查询 第七章 函数 第八章 压缩和存储 第九章 企业级调优 第十章 常见错误及解决方案
hive基本操作
05-16
hive 基本操作的命令和hive 实用命令等，有利与学习hive和mysql
【热】查询大数据信用风险等级要注意什么?去哪里比较好？
SEOsys的博客
06-22 653
市面上提供大数据信用报告查询的地方比较多，但是素质也是参差不齐的，细心的朋友会发现，只要搜索一下大数据信用查询，会出现很多信息，也能通过这些入口进行查询，但是在选择之前一定要考虑到自己适用的版本，特别是只有一个单一的查询页面，没有人工客服的网页一定不要选择。因为投广告的服务商，一般为了走量，没有售后服务。之前有一个网友找到我解读报告，搜索了相关的关键词进来的，但是被网页里的广告混淆了视线，选错了，选了某下信用，获取了报告，但是找不到人解读，后来我们也为她免费提供了报告解读服务。
武汉星起航：挂牌上海股权中心，资本赋能共绘跨境电商繁荣新图景
m0_74145751的博客
06-22 566
同时，公司的品牌效应也将助力其在亚马逊市场上树立更加专业的形象，提升客户的信任度和忠诚度。这一里程碑式的举措不仅彰显了公司的雄厚实力，更为其在亚马逊市场的发展带来了诸多优势。武汉星起航的成功挂牌标志着其发展的新起点，凭借资本市场的强大支持，公司必将持续强化自身实力，扩大市场影响力，为客户提供卓越服务。展望未来，武汉星起航将继续引领行业创新，为亚马逊市场的繁荣贡献源源不断的动力，共同书写跨境电商的新辉煌篇章。这不仅为公司带来了更为充足的资金流，也为其在亚马逊市场的持续投入和快速发展提供了坚实的保障。
大数据智能风控：模型、平台与业务实践
Why_does_it_work的博客
06-24 4777
商业银行作为金融中介机构，经营的本质是对风险的运营和管理。金融科技的高速发展和国家政策的扶持，驱动商业银行向数字化、信息化、智能化的更高阶段发展。在此背景下，商业银行更应抓住数字化转型机遇，建立覆盖风险识别、计量、分析、处置全流程的智能风控体系，全面提升银行风险防控能力。传统的风控体系中定性风险管理占主体，以主观规则及客户评级为主，存在数据获取维度窄、定量分析能力偏弱、难以精确化用户特征等缺点。在数字化转型的背景下，传统的风险管控模式在风险管控时效性、模型有效性、监控范围等多个方面的短板日益凸显。
Altera不同系列的型号命名规则
caozhaokun的博客
06-23 281
Altera芯片型号：10AX07H4F34I3SG。
「五度易链」企业大数据API接口开放平台上线啦！
【五度易链】
06-21 390
“五度易链”企业大数据API接口开放平台现已正式上线，旨在为广大企业、开发者及个人提供标准、安全、高效、便捷的企业数据API接口服务，帮您更轻松地构建应用、扩展功能，并基于用户应用场景提供专属接口定制服务，助力企业提升研发效率，创造更高的商业价值。
教程：Spring Boot中集成Elasticsearch的步骤
最新发布
weixin_44627014的博客
06-27 290
Id在这个例子中，我们定义了一个简单的Book类，使用了@Document注解来指定索引名称和文档类型，@Id注解表示文档的唯一标识。通过本文的教程，我们学习了如何在Spring Boot应用中集成Elasticsearch，并通过实例代码展示了基本的数据操作和搜索功能。
列举出hive所有的ddl、dml语句例子
06-02
以下是一些常见的Hive DDL（数据定义语言）和DML（数据操作语言）语句的例子： DDL语句： 1. 创建数据库 ``` CREATE DATABASE IF NOT EXISTS my_database; ``` 2. 删除数据库 ``` DROP DATABASE IF EXISTS my_...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值