Hive的安装和配置.........

前提:安装hadoop

一:下载好包(放入你自定义的文件中,我的是/home/gsd/Hive)

二:解压开(在/home/gsd/Hive文件夹中进行)

       2.1:tar  -zxvf  hive-2.1.0.tar.gz 

      2.2:mv  hive-2.1.0.tar   hive(重命名)

三:配置环境变量

      3.1:su  root(切换到root用户下)

      3.2:vim /etc/profile(编辑这个文件,不会用vim,百度一下vim的使用方法)

              编辑的内容如下:

              export HIVE_HOME=/home/gsd/Hive/hive
              export PATH=$PATH:$HIVE_HOME/bin

     3.3:检验是否安装成功

             hive --version

四:配置hive

       4.1:将mysql的驱动包复制到hive的lib中(根据你自己的文件所在,我的是/home/gsd/Hive/hive/lib)

       4.2:在/home/gsd/Hive/hive/conf中

               4.2.1:cp hive-default.xml.template hive-site.xml (复制一份)

               4.2.2:修改hive-site.xml文件(说明一下:先在mysql中创建一个hive2的                 数据库;在文件中找到<name>所在的名字,将<value>的值改成如下的样                 子,mysql的密码,用户名,url根据你自己的mysql数据库设定)

<property>
	<name>javax.jdo.option.ConnectionPassword</name>(mysql的密码)
	<value>root</value>
</property>
<property>
	<name>javax.jdo.option.ConnectionUserName</name>(mysql的用户名)
	<value>root</value>
</property>
<property>
	<name>javax.jdo.option.ConnectionURL</name>(数据库的连接地址)
    <value>jdbc:mysql://192.168.231.1:3306/hive2</value>
</property>
<property>
	<name>javax.jdo.option.ConnectionDriverName</name>(数据库的驱动)
	<value>com.mysql.jdbc.Driver</value>
</property>

       4.3: 在hive的bin中(/home/gsd/Hive/hive/bin)

                 执行这个命令:./schematool -dbType mysql -initSchema

                 结果:在mysql的hive数据库中会有很多表格生成

说明:这个配置只能初始化hive,想要进入hive命令行,还有三个配置(链接:https://mp.csdn.net/postedit/89816930

      

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像的目标属于哪个类别。 定位问题:确定目标在图像的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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