alie_123的博客

1、 map和foreach算子都有对应的分区算子，分别是mapPartitions和foreachPartition2、 分区算子适用于有反复消耗资源的操作，例如：文件的打开和关闭、数据库的连接和关闭等，能够减少操作的次数。3、 如果没有反复消耗资源的操作，调用两类算子，效果一样。1、 这两个算子都是用来改变RDD的分区数。2、 repartition 既能够增大RDD分区数，也能够减小RDD分区数。但是都会导致发生Shuffle过程。

RDD（英文全称Resilient Distributed Dataset），即弹性分布式数据集是spark中引入的一个数据结构，是Spark中最基本的数据抽象，代表一个不可变、可分区、里面的元素可并行计算的集合。Resilient弹性：RDD的数据可以存储在内存或者磁盘当中，RDD的数据可以分区。Distributed分布式：RDD的数据可以分布式存储，可以进行并行计算。Dataset数据集：一个用于存放数据的集合。

原理：将UDTF（表生成函数）的结果构建成一个类似于视图的表，然后将原表中的每一行和UDTF函数输出的每一行进行连接，生成一张新的虚拟表。from 表名 lateral view UDTF(xxx) 侧视图名 as 字段名;以上就是hive SQL中行列转换的具体解决方案了。1、首先将单列数据先切割再使用炸裂函数炸开；2、同时配合侧视图生成最后完整表。

在数仓建模中数据一般分为维度跟指标，维度就是基本不变、固定的数据，比如年、月、日、住址、手机号、区域、门店等。维度可以根据变化剧烈程度主要分为，但大多数维度数据会随时间的迁移是缓慢变化的，也称为缓慢渐变维（SCD）。缓慢渐变维，即维度中的属性可能会随着时间发生改变，比如包含用户住址Address的DimCustomer维度，用户的住址可能会发生改变，进而影响业务统计精度。

本文介绍了hive聚合增强函数：grouping sets、cube、rollup、grouping判断的使用方法及注意细节。

集合的形式为大括号 { }集合名 = set（）注意：不能使用：集合名 = { }，这打印出来的数据类型为字典，下面会讲到集合名 = {元素1，元素2，...}字典的形式为大括号 { key：value }字典名 = dict（）字典名 = { }字典名 = {k1:v1 , k2:v2 , ...}注意：每一个元素都是一个键值对。

元组的形式为小括号 （ ）有两种方法可以定义：元组名 = （ ）元组名 = tuple（）元组名 = （元素1，元素2，...）注意：如果只有一个元素，需要加上逗号，如：元组名 = （元素，）字符串的形式为引号 ：' ' " "（1）定义空字符串空字符串:字符串名=str() 字符串名='' 或者 字符串名="" 或者 字符串名='''''' 或者 字符串名=""""""（2）定义非空字符串。

空列表: 列表名=[] 或者 列表名=list()非空列表: 列表名=[元素1,元素2,元素3,...]列表支持嵌套。

def 函数名(形式参数):"""此处可以加函数的说明文档...:param: 解释参数:return: 解释返回值"""函数体return 返回值。

1、while循环基础步骤：1.定义变量赋初始值2.条件判断3.循环体4.条件控制2、while循环基础格式:变量名 = 初始值while 条件判断:循环体条件控制3、while无限循环:无限循环: 又叫死循环,恒成立的条件,循环的内容如果不设置条件不会停下来实现无限循环的方式:方式1: 正常的while循环,不加条件控制方式2: while循环条件用两个字面量比较结果是True方式3(建议): while循环条件直接用True。

需求: 定义两个变量,分别存储你自己的姓名和年龄,# 要求打印结果: 我的姓名是xxx,我的年龄是xx岁# 1.定义变量存储数据name = '张三'age = 20# 2.格式化输出# 方式1: print输出多个内容的方式print('我的姓名是', name, ',我的年龄是', age, '岁')# 方式2: ‘+ ‘拼接多个字符串print('我的姓名是' + name + ',我的年龄是' + str(age) + '岁')

可以用两种方法编写1、通过黑窗口（win+R）弹窗输入cmd —> 输入python进入python编程。

在当今世界，大数据已经成为了生活中的方方面面，下面的文章介绍大数据的相关知识及计算机的组成部分。