- 博客(14)
- 收藏
- 关注
转载 ETL介绍
ETL是将业务系统的数据经过抽取、清洗转换之后加载到数据仓库的过程,目的是将企业中的分散、零乱、标准不统一的数据整合到一起,为企业的决策提供分析依据。ETL是BI项目重要的一个环节。 通常情况下,在BI项目中ETL会花掉整个项目至少1/3的时间,ETL设计的好坏直接关接到BI项目的成败。 ETL的设计分三部分:数据抽取、数据的清洗转换、数据的加载。在设计ET...
2018-09-28 17:13:00 76
转载 Hive(七)Hive分析窗口函数
一数据准备cookie1,2015-04-10,1cookie1,2015-04-11,5cookie1,2015-04-12,7cookie1,2015-04-13,3cookie1,2015-04-14,2cookie1,2015-04-15,4cookie1,2015-04-16,4创建数据库及表create database i...
2018-09-27 15:49:00 100
转载 Hive(九)Hive 执行过程实例分析
一、Hive 执行过程概述1、概述(1) Hive 将 HQL 转换成一组操作符(Operator),比如 GroupByOperator, JoinOperator 等(2)操作符 Operator 是 Hive 的最小处理单元(3)每个操作符代表一个 HDFS 操作或者 MapReduce 作业(4)Hive 通过 ExecMapper 和 ExecReducer...
2018-09-27 15:42:00 91
转载 Hive(八)Hive的Shell操作与压缩存储
一、Hive的命令行1、Hive支持的一些命令Command DescriptionquitUse quit or exit to leave the interactive shell.set key=valueUse this to set value of particular configuration variable. One thing to n...
2018-09-27 15:41:00 282
转载 Hive(六)内置函数与高级操作
一内置函数1 数学函数Return TypeName (Signature)DescriptionDOUBLEround(DOUBLE a)Returns the roundedBIGINTvalue ofa.返回对a四舍五入的BIGINT值...
2018-09-27 15:40:00 278
转载 Hive(五)数据类型与库表操作以及中文乱码
一、数据类型1、基本数据类型Hive 支持关系型数据中大多数基本数据类型类型描述示例booleantrue/falseTRUEtinyint1字节的有符号整数-128~127 1Ysmallint2个字节的有符号整数,-32768~327671Sint4个字节的带符号整数1...
2018-09-27 15:39:00 317
转载 Hive(三)Hive元数据信息对应MySQL数据库表
概述Hive 的元数据信息通常存储在关系型数据库中,常用MySQL数据库作为元数据库管理。上一篇hive的安装也是将元数据信息存放在MySQL数据库中。Hive的元数据信息在MySQL数据中有57张表一、存储Hive版本的元数据表(VERSION)VERSION -- 查询版本信息该表比较简单,但很重要。VER_IDSCHEMA_VE...
2018-09-27 15:37:00 259
转载 Hive(二)CentOS7.5安装Hive2.3.3
一 Hive的下载软件下载地址:https://mirrors.tuna.tsinghua.edu.cn/apache/hive/这里下载的版本是:apache-hive-2.3.3-bin.tar.gz官方安装配置文档:https://cwiki.apache.org/confluence/display/Hive/GettingStarted二 Hive单用户安...
2018-09-27 15:36:00 143
转载 Hive(一)Hive初识
一 Hive 简介什么是Hive1、Hive 由 Facebook 实现并开源2、是基于 Hadoop 的一个数据仓库工具3、可以将结构化的数据映射为一张数据库表4、并提供 HQL(Hive SQL)查询功能5、底层数据是存储在 HDFS 上6、Hive的本质是将 SQL 语句转换为 MapReduce 任务运行7、使不熟悉 MapReduce 的用户很方...
2018-09-27 15:35:00 113
转载 Hive(十)Hive性能调优总结
一、Fetch抓取1、理论分析Fetch抓取是指,Hive中对某些情况的查询可以不必使用MapReduce计算。例如:SELECT * FROM employees;在这种情况下,Hive可以简单地读取employee对应的存储目录下的文件,然后输出查询结果到控制台。在hive-default.xml.template文件中hive.fetch.task.conv...
2018-09-27 14:59:00 138
转载 HIVE表数据的导入与导出(load data&insert overwrite)
1. 准备测试数据首先创建普通表:create table test(id int, name string) ROW FORMAT DELIMITED FIELDS TERMINATED BY ',' STORED AS TEXTFILE;创建分区表:CREATE EXTERNAL TABLE test_p(id int,name string ...
2018-09-27 14:34:00 631
转载 介质资源库
1.大数据 1.1Apache介质资源库 Apache Software Foundation Distribution Directory http://archive.apache.org/dist/ 1.2Hadoop官网 https://hadoop.apache.org/ 1.3 Hadoop CDH发行版介质资源库 http...
2018-09-27 09:28:00 149
转载 Hive性能优化
1.概述 继续《那些年使用Hive踩过的坑》一文中的剩余部分,本篇博客赘述了在工作中总结Hive的常用优化手段和在工作中使用Hive出现的问题。下面开始本篇文章的优化介绍。2.介绍 首先,我们来看看Hadoop的计算框架特性,在此特性下会衍生哪些问题?数据量大不是问题,数据倾斜是个问题。jobs数比较多的作业运行效率相对比较低,比如即使有几百行的表,如果多次关...
2018-09-20 14:38:00 74
转载 Hive基本操作
1.概述 上一章《那些年使用Hive踩过的坑》介绍了Hive的基本架构及原理,加下来介绍Hive的基本操作和一些注意事项。2.基本操作2.1Create Table2.1.1介绍 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 EXIST 选项来忽略这个异常。 EXTERNAL 关键字可以让...
2018-09-20 14:37:00 64
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人