- android - RelativeLayout 背景可绘制重叠内容
- android - 如何链接 cpufeatures lib 以获取 native android 库?
- java - OnItemClickListener 不起作用,但 OnLongItemClickListener 在自定义 ListView 中起作用
- java - Android 文件转字符串
同时对 Hive 表进行分区和分桶究竟有什么好处?我有一张“订单”表,其中包含 100 万条记录,但是这些记录来自 6 个特定城市。现在,如果我只根据城市对表 Orders 进行存储,我会在仓库目录(在 Hive 中)中得到 6 个不同的文件夹,每个文件夹都对应一个特定的城市及其数据。
当我对我的表 Orders 进行分区然后存储时,我仍然可以在配置单元下的仓库目录中看到相同的 6 个文件夹。我尝试使用 16 个存储桶,但数据文件夹仍然按城市划分。下面是代码:
create table Orders ( id int, name string, address string)
partitioned by (city string)
clustered by (id) into 16 buckets
row format delimited fields terminated by ','
stored as TEXTFILE
有人可以概述一下为什么 Hive 会这样吗?此外,我还运行了一些性能指标,例如计数和分组。我没有发现分区分桶表与仅分桶表或仅分区表有任何显着改进。
谢谢。
我在 12 个内核、36 Gb 内存和 8 个集群上运行 Hadoop。
最佳答案
分区和分桶是在物理层拆分数据的两种不同类型。
如您所见,当您按列对表进行分区时,将为该列的每个值创建一个目录。因此,您通常希望在基数较低的列上进行分区。您将看到的最常见的分区列之一是 date
。
使用分桶,列值被散列到固定数量的桶中。这也会在物理上拆分您的数据。在您的例子中,如果您检查 city
目录中的文件,您将看到 16 个文件,每个桶 1 个。分桶通常用于高基数列。
那么,分区和分桶的优势是什么?由于数据在物理上是“分区的”,查询层可以应用两种类型的优化,称为分区修剪和桶修剪。当应用允许优化器应用修剪策略的 WHERE
子句时,这些优化将启动。例如,在您的情况下,您有 6 个目录(城市)乘以 16 个文件(id 桶),因此表中共有 96 个文件。如果您为 city = "city1"
包含了一个 where 子句,那么只有 16 个文件会被扫描,因为分区修剪将开始。如果您为 id = 10101
使用了一个 where 子句>,那么只有 6 个文件将被扫描,因为可以应用桶修剪。如果您同时应用城市过滤器和 ID 过滤器,则只需要扫描 1 个文件。
编辑:正如评论中指出的那样,桶修剪仅在 Tez 引擎中实现。因此,虽然理论上可以修剪桶,但优化尚未在 Hive MR 中实现。
关于hadoop - 对 Hive Table 进行分区和分桶有什么好处?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/44101590/
我们有数据(此时未分配)要转换/聚合/透视到 wazoo。 我在 www 上看了看,我问的所有答案都指向 hadoop 可扩展、运行便宜(没有 SQL 服务器机器和许可证)、快速(如果你有足够的数据)
这很明显,我们都同意我们可以将 HDFS + YARN + MapReduce 称为 Hadoop。但是,Hadoop 生态系统中的其他不同组合和其他产品会怎样? 例如,HDFS + YARN + S
如果 es-hadoop 只是连接到 HDFS 的 Hadoop 连接器,它如何支持 Hadoop 分析? 最佳答案 我假设您指的是 this project .在这种情况下,ES Hadoop 项目
看完this和 this论文,我决定我想在 MapReduce 上为大型数据集实现分布式体积渲染设置作为我的本科论文工作。 Hadoop 是一个合理的选择吗? Java 不会扼杀一些性能提升或使与 C
我一直在尝试查找有关如何通过命令行提交 hadoop 作业的信息。 我知道命令 - hadoop jar jar-file 主类输入输出 还有另一个命令,我正在尝试查找有关它的信息,但未能找到 - h
Hadoop 服务器在 Kubernetes 中。而Hadoop客户端位于外网。所以我尝试使用 kubernetes-service 来使用 Hadoop 服务器。但是 hadoop fs -put
有没有人遇到奇怪的环境问题,在调用 hadoop 命令时被迫使用 SU 而不是 SUDO? sudo su -c 'hadoop fs -ls /' hdfs Found 4 itemsdrwxr-x
在更改 mapred-site.xml 中的属性后,我给出了一个 tar.bz2 文件、.gz 和 tar.gz 文件作为输入。以上似乎都没有奏效。我假设这里发生的是 hadoop 作为输入读取的记录
如何在 Hadoop Pipes 中获取正在 hadoop 映射器 中执行的输入文件 名称? 我可以很容易地在基于 java 的 map reducer 中获取文件名,比如 FileSplit fil
我想使用 MapReduce 方法分析连续的数据流(通过 HTTP 访问),因此我一直在研究 Apache Hadoop。不幸的是,Hadoop 似乎期望以固定大小的输入文件开始作业,而不是能够在新数
名称节点可以执行任务吗?默认情况下,任务在集群的数据节点上执行。 最佳答案 假设您正在询问MapReduce ... 使用YARN,MapReduce任务在应用程序主数据库中执行,而不是在nameno
我有一个关系A包含 (zip-code). 我还有另一个关系B包含 (name:gender:zip-code) (x:m:1234) (y:f:1234) (z:m:1245) (s:f:1235)
我是hadoop地区的新手。您能帮我负责(k2,list[v2,v2,v2...])形式的输出(意味着将键及其所有关联值组合在一起)的责任是吗? 谢谢。 最佳答案 这是Hadoop的MapReduce
因此,我一直在尝试编写一个hadoop程序,该程序将输入作为一个包含许多文件的文件,并且我希望hadoop程序的输出仅是输入文件的一行。但是我还没有做到这一点。我也不想去 reducer 课。如果有人
我使用的输入文本文件的内容是 1 "Come 1 "Defects," 1 "I 1 "Information 1 "J" 2 "Plain 5 "Project 1
谁能告诉我以下grep命令的作用: $ bin/hadoop jar hadoop-*-examples.jar grep input output 'dfs[a-z.]+' 最佳答案 http:/
我不了解mapreducer的基本功能,mapreducer是否有助于将文件放入HDFS 或mapreducer仅有助于分析HDFS中现有文件中的内容 我对hadoop非常陌生,任何人都可以指导我理解
CopyFromLocal将从本地文件系统上载数据。 不要放会从任何文件上传数据,例如。本地FS,亚马逊S3 或仅来自本地fs ??? 最佳答案 请找到两个命令的用法。 put ======= Usa
我开始研究hadoop mapreduce。 我是Java和hadoop的初学者,并且了解hadoop mapreduce的编码,但是有兴趣了解它在云中的内部工作方式。 您能否分享一些很好的链接来说明
我一直在寻找Hadoop mapreduce类的类路径。我正在使用Hortonworks 2.2.4版沙箱。我需要这样的类路径来运行我的javac编译器: javac -cp (CLASS_PATH)
我是一名优秀的程序员,十分优秀!