Hive优化整理

Hive优化整理

压缩格式

​ 常见的压缩格式有Sequence File、RC、ORC、Parquet。生产环境中hive一般用orc,spark一般用parquet,snappy配合parquet性能最高。

注意点

1)orc格式的表不能通过load data导入数据

2)Sequence 可分割,与hadoop文件兼容

3)ORC快速存取,列压缩

Hive函数
内置函数
1.NVL( value,default_value) ,给值为 NULL 的数据赋值
2.CASE WHEN THEN ELSE END
CASE a WHEN b THEN c [WHEN d THEN e]* [ELSE f] END
说明:如果 a 等于 b,那么返回 c;如果 a 等于 d,那么返回 e;否则返回 f
3.CONCAT(string A/col, string B/col…):返回输入字符串连接后的结果,支持任意个输入
字符串;
4.CONCAT_WS(separator, str1, str2,…):它是一个特殊形式的 CONCAT()。第一个参数剩
	余参数间的分隔符。分隔符可以是与剩余参数一样的字符串。如果分隔符是 NULL,返
	回值也将为 NULL。这个函数会跳过分隔符参数后的任何 NULL 和空字符串。分隔符
	将被加到被连接的字符串之间;
5.COLLECT_SET(col):函数只接受基本数据类型,它的主要作用是将某字段的值进行去
	重汇总,产生 array 类型字段。
6.EXPLODE(col):将 hive 一列中复杂的 array 或者 map 结构拆分成多行。
7.LATERAL VIEW
用法:LATERAL VIEW udtf(expression) tableAlias AS columnAlias
解释:用于和 split, explode 等 UDTF 一起使用,它能够将一列数据拆成多行数据,在此
	基础上可以对拆分后的数据进行聚合。
8.OVER():指定分析函数工作的数据窗口大小,这个数据窗口大小可能会随着行的变而
变化。
	CURRENT ROW:当前行
	n PRECEDING:往前 n 行数据
	n FOLLOWING:往后 n 行数据
	UNBOUNDED:起点,UNBOUNDED PRECEDING 表示从前面的起点, UNBOUNDED
	FOLLOWING 表示到后面的终点
	LAG(col,n,default_val):往前第 n 行数据
	LEAD(col,n, default_val):往后第 n 行数据

9.RANK() 排序相同时会重复,总数不会变
10.DENSE_RANK() 排序相同时会重复,总数会减少
11.ROW_NUMBER() 会根据顺序计算
12.NTILE(n):把有序分区中的行分发到指定数据的组中,各个组有编号,编号从 1 开始,
对于每一行,NTILE 返回此行所属的组的编号。注意:n 必须为 int 类型。用于将分组
数据按照顺序切分成 n 片,返回当前切片值,如果切片不均匀,默认增加第一个切片的
分布。
自定义函数
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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