- 博客(6)
- 收藏
- 关注
RSS订阅原创 Hive的基本命令操作
熟练运用命令，能让用户更好地了解并管理数据，可以让用户更高效地处理数据。这些常见命令用于管理数据库、表、数据以及执行查询和分析操作。显示表的详细信息（表的存储信息、表的属性等）显示表的详细信息（列的注释、位置等）列的升序顺序进行排序。列值从小到大排列的所有行数据。按指定列对数据进行排序,按照。按指定列对数据进行分组。显示数据库中的所有表。显示表的所有分区信息。
2024-06-15 01:31:45
112
原创 hive分层架构
在DW层处理完成的数据通过工具进行可视化加工，当数据处理完成存储在Hive中，处理完成的数据可以通过ETL工具推送到关系型数据库中（例如Mysql），一般情况下，数据都有一个储存周期，400天左右，我们使用的可视化-工具平台（基于关系型数据库Mysql储存时间400天左右），可以进行同比（年）、环比（月），这些数据形成一个数据集（结果），最后一步就是根据业务需求来配置报表。为数据仓库层，PDW层的数据应该是一致的、准确的、干净的数据，即对源系统数据进行了清洗（去除了杂质）后的数据。
2024-06-15 01:15:40
620
原创 内部表和外部表区别
Hive外部表：外部表的数据不是Hive拥有或者管理的，只管理元数据的生命周期。删除外部表时只会删除元数据，而不会删除实际数据（源数据）。1、在导入数据到外部表，数据并没有移动到自己的数据仓库目录下，也就是说外部表中的数据并不是由它自己来管理的！所以，在大多数情况内部表和外部表没有太多的区别，如果所有处理都需要由Hive完成，那么你应该创建表，否则使用外部表较为好。Hive完全管理表（元数据和数据）的生命周期，类似于RDBMS的表。而删除外部表的时候，Hive仅仅删除外部表的元数据，数据是不会删除的。
2024-06-15 01:15:32
151
原创 hive元数据的概念
元数据（Meta Date），主要记录数据仓库中模型的定义、各层级间的映射关系、监控数据仓库的数据状态及 ETL 的任务运行状态。一般会通过元数据资料库来统一地存储和管理元数据，其主要目的是使数据仓库的设计、部署、操作和管理能达成协同和一致。元数据的存储主要有两种方式：第一种是使用hive自带的derby数据库进行元数据的存储；第二种是使用mysql数据库来进行hive元数据的存储;元数据包括表的属性、表的名称、表的列、分区及其属性以及表数据所在的目录等。hive表包含内部表和外部表。
2024-06-15 01:15:25
156
原创 数据仓库概述
不一致的数据转换：这个过程是一个整合的过程，将不同业务系统的相同类型的数据统一，比如同一个用户在用户管理系统的编码是 XX0001 ，而在订单系统的编码是 YY0001 ，这样在抽取过来之后统一转换成一个编码；数据粒度的转换：业务系统一般存储粒度较小的数据，而数据仓库中的数据是用来分析的，不需要粒度很小的数据，一般情况下，会将业务系统数据按照数据仓库粒度进行聚合；元数据是整个数据仓库的核心部件，元数据管理器是企业级数据仓库中的关键部件，贯穿数据仓库构建的整个过程，直接影响着数据仓库的构建、使用和维护。
2024-06-15 01:15:07
555
1
原创 hive的数据存储
3.Hive元数据释对真实数据的描述，通常单独储存在MySQL中Hive除了两种命令行开发工具(CLI和Beeline) 之外还有许多第三方工具(HUE、 Ambari, zeppelin)。为了有效地对真实数据进行管理，根据粒度大小，Hive 将真实数据划分为如下数据单元。Hive是Hadoop上处理结构化数据的数据仓库基础工具，用来处理存储在Hadoop上的海量数据。RCFILE 是可分割的文件格式，即在每个行组中，元数据头部 (Metadata Header)分区的作用是提高查询的效率。
2024-06-15 01:14:32
764
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