大数据面试题_Hive篇

大数据面试题,Hive篇
摘要由CSDN通过智能技术生成

一、大数据面试题_Hive篇

(一)Hive表与性能优化

1、hive 内部表和外部表的区别

未被 external 修饰的是内部表(managed table),被 external 修饰的为外部表 (external table)

区别:

  1. 内部表数据由 Hive 自身管理,外部表数据由 HDFS 管理;
  2. 内部表数据存储的位置是 hive.metastore.warehouse.dir(默认: /user/hive/warehouse),外部表数据的存储位置由自己制定
    (如果没有 LOCATION, Hive将在HDFS上的/user/hive/warehouse文件夹下以外部表的表名创建一个文件 夹,并将属于这个表的数据存放在这里);
  3. 删除内部表会直接删除元数据(metadata)及存储数据;删除外部表仅仅会 删除元数据,HDFS 上的文件并不会被删除;

2、 hive 有索引吗

  1. Hive 支持索引,但是 Hive 的索引与关系型数据库中的索引并不相同,比如,Hive 不支持主键或者外键。

  2. Hive 索引可以建立在表中的某些列上,以提升一些操作的效率,例如减少 MapReduce 任务中需要读取的数据块的数量。

  3. 在可以预见到分区数据非常庞大的情况下,索引常常是优于分区的。

  4. 虽然 Hive 并不像事物数据库那样针对个别的行来执行查询、更新、删除等操作。 它更多的用在多任务节点的场景下,快速地全表扫描大规模数据。但是在某些场 景下,建立索引还是可以提高 Hive 表指定列的查询速度。(虽然效果差强人意)

  • 索引适用的场景
    适用于不更新的静态字段。以免总是重建索引数据。每次建立、更新数据后,都 要重建索引以构建索引表。

  • Hive 索引的机制如下:
    hive 在指定列上建立索引,会产生一张索引表(Hive 的一张物理表),里面的字 段包括,索引列的值、该值对应的 HDFS 文件路径、该值在文件中的偏移量; v0.8 后引入 bitmap 索引处理器,这个处理器适用于排重后,值较少的列(例如, 某字段的取值只可能是几个枚举值) 因为索引是用空间换时间,索引列的取值过多会导致建立 bitmap 索引表过大。

但是,很少遇到 hive 用索引的。说明还是有缺陷 or 不合适的地方的。

3、sort by 和 order by 的区别

  • order by 会对输入做全局排序,因此只有一个 reducer(多个 reducer 无法保证全 局有序)只有一个 reducer,会导致当输入规模较大时,需要较长的计算时间。

  • sort by 不是全局排序,其在数据进入 reducer 前完成排序. 因此,如果用 sort by 进行排序,并且设置 mapred.reduce.tasks>1, 则 sort by 只 保证每个 reducer 的输出有序,不保证全局有序。

4、如何使用过 Hive 解析 JSON 串

hive 处理 json 数据总体来说有两个方向的路走

  1. 将 json 以字符串的方式整个入 Hive 表,然后通过使用 UDF 函数解析已经导入 到 hive 中的数据,比如使用 LATERAL VIEW json_tuple 的方法,获取所需要的列名。
  2. 在导入之前将 json 拆成各个字段,导入Hive 表的数据是已经解析过得。这将需要使用第三方的 SerDe。

5、Hive 表关联查询,如何解决数据倾斜的问题?

1) 倾斜原因

  1. map 输出数据按 key Hash 的分配到 reduce 中,由于 key 分布不均匀、业务数据本身的特点、建表时考虑不周等原因造成的 reduce 上的数据量差异过大。
  • a) key 分布不均匀;
  • b) 业务数据本身的特性;
  • c) 建表时考虑不周;
  • d) 某些 SQL 语句本身就有数据倾斜;

如何避免:对于 key 为空产生的数据倾斜,可以对其赋予一个随机值。

2)解决方案

1. 参数调节:


                
  • 0
    点赞
  • 3
    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