- 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
我们有一个在 Hadoop 中进行位级查询的用例。它是这样的:
Given a set of variable-length records containing a date/time stamp and one or more sixteen bit data words, return a list of date/time stamps where some combination of arbitrary bits from one or more arbitrary data words is set to the values specified in the query.
示例...给定以下数据:
Timestamp Word 1 bits Word 2 bits
------------------ ---------------------- ---------------------
2017-06-16 08:15:05 0010 1101 1111 0000 1011 0010 1111 0010
2017-06-16 08:15:06 0010 1110 1111 0000 ...
2017-06-16 08:15:07 0010 1101 1111 0000 ...
2017-06-16 08:15:08 0010 1110 1111 0000
2017-06-16 08:15:09 0010 1101 1111 0000
2017-06-16 08:15:10 0010 1110 1111 0000
如果查询是“返回第 1 位 0 为 0 且第 1 位 1 为 1 的所有时间戳”,结果将是
Timestamp Word 1 bits
------------------ ----------------------
2017-06-16 08:15:06 0010 1110 1111 0000
2017-06-16 08:15:08 0010 1110 1111 0000
2017-06-16 08:15:10 0010 1110 1111 0000
^^
数据以制表符分隔的形式作为十六进制值提供:
Timestamp Word1 Word2 Word3 Word4
------------------ ---- ---- ---- ----
2017-06-16 08:15:05 2DF0 ... a varying number of 16 bit data words continues out here.
2017-06-16 08:15:06 2EF0
2017-06-16 08:15:07 2DF0
2017-06-16 08:15:08 2EF0
2017-06-16 08:15:09 2DF0
2017-06-16 08:15:10 2EF0
...
我们一直在考虑如何在 Hadoop 配置单元中表示这些数据并对其进行查询。将每个数据字的每一位放入其自己的整数字段中似乎效率极低,但具有可直接由 Hadoop 查询的优点,假设 Hadoop 服务器可以容纳每条记录中可变数量的列。
为了解决这个问题,我提出了这样的建议,我们将这些数据作为一流的时间戳和16位无符号整数导入到hive中,然后为每个查询构造一个MapReduce作业,使用位提取Java函数构造一个具有时间戳字段和每个感兴趣的位
的临时表在其自己的一流整数中。从临时文件中获取最终结果所需的 Hadoop 查询可以说是微不足道的。
然而,目前提出的想法是将十六进制文本直接保存到数据湖中。我们的数据科学家似乎认为这样的安排将允许直接查询;也就是说,不需要临时表,并且十六进制格式提供了相当高效的存储。
这是如何运作的?是否有某种方法可以索引此类文本,然后对其进行某种位级文本搜索,从而屏蔽掉不感兴趣的位?
(我将接受有关如何以更好的方式解决此问题的建议。)
最佳答案
数据.tsv
2017-06-16 08:15:05 2DF0
2017-06-16 08:15:06 2EF0 0000
2017-06-16 08:15:07 2DF0 AAAA BBBB CCCC
2017-06-16 08:15:08 2EF0 1111 2222
2017-06-16 08:15:09 2DF0
2017-06-16 08:15:10 2EF0 DDDD EEEE
create external table mytable
(
ts timestamp
,words string
)
row format delimited
fields terminated by '\t'
stored as textfile
tblproperties ('serialization.last.column.takes.rest'='true')
;
select *
from mytable
;
+----------------------------+---------------------------+
| ts | words |
+----------------------------+---------------------------+
| 2017-06-16 08:15:05.000000 | 2DF0 |
| 2017-06-16 08:15:06.000000 | 2EF0 0000 |
| 2017-06-16 08:15:07.000000 | 2DF0 AAAA BBBB CCCC |
| 2017-06-16 08:15:08.000000 | 2EF0 1111 2222 |
| 2017-06-16 08:15:09.000000 | 2DF0 |
| 2017-06-16 08:15:10.000000 | 2EF0 DDDD EEEE |
+----------------------------+---------------------------+
select ts
,split(words,'\\t') as words
from mytable
;
+----------------------------+-------------------------------+
| ts | words |
+----------------------------+-------------------------------+
| 2017-06-16 08:15:05.000000 | ["2DF0"] |
| 2017-06-16 08:15:06.000000 | ["2EF0","0000"] |
| 2017-06-16 08:15:07.000000 | ["2DF0","AAAA","BBBB","CCCC"] |
| 2017-06-16 08:15:08.000000 | ["2EF0","1111","2222"] |
| 2017-06-16 08:15:09.000000 | ["2DF0",""] |
| 2017-06-16 08:15:10.000000 | ["2EF0","DDDD","EEEE"] |
+----------------------------+-------------------------------+
select ts
,lpad(conv(split(words,'\\t')[0],16,2),16,'0') as word1_bits
from mytable
;
+----------------------------+------------------+
| ts | word1_bits |
+----------------------------+------------------+
| 2017-06-16 08:15:05.000000 | 0010110111110000 |
| 2017-06-16 08:15:06.000000 | 0010111011110000 |
| 2017-06-16 08:15:07.000000 | 0010110111110000 |
| 2017-06-16 08:15:08.000000 | 0010111011110000 |
| 2017-06-16 08:15:09.000000 | 0010110111110000 |
| 2017-06-16 08:15:10.000000 | 0010111011110000 |
+----------------------------+------------------+
select ts
from mytable
where substr(lpad(conv(split(words,'\\t')[0],16,2),16,'0'),7,2) = '10'
;
+----------------------------+
| ts |
+----------------------------+
| 2017-06-16 08:15:06.000000 |
| 2017-06-16 08:15:08.000000 |
| 2017-06-16 08:15:10.000000 |
+----------------------------+
替代数据结构
create external table mytable
(
ts timestamp
,word1 string
,word2 string
,word3 string
,word4 string
,word5 string
,word6 string
,word7 string
,word8 string
,word9 string
)
row format delimited
fields terminated by '\t'
stored as textfile
;
select * from mytable
;
+----------------------------+-------+--------+--------+--------+--------+--------+--------+--------+--------+
| ts | word1 | word2 | word3 | word4 | word5 | word6 | word7 | word8 | word9 |
+----------------------------+-------+--------+--------+--------+--------+--------+--------+--------+--------+
| 2017-06-16 08:15:05.000000 | 2DF0 | (null) | (null) | (null) | (null) | (null) | (null) | (null) | (null) |
| 2017-06-16 08:15:06.000000 | 2EF0 | 0000 | (null) | (null) | (null) | (null) | (null) | (null) | (null) |
| 2017-06-16 08:15:07.000000 | 2DF0 | AAAA | BBBB | CCCC | (null) | (null) | (null) | (null) | (null) |
| 2017-06-16 08:15:08.000000 | 2EF0 | 1111 | 2222 | (null) | (null) | (null) | (null) | (null) | (null) |
| 2017-06-16 08:15:09.000000 | 2DF0 | | (null) | (null) | (null) | (null) | (null) | (null) | (null) |
| 2017-06-16 08:15:10.000000 | 2EF0 | DDDD | EEEE | (null) | (null) | (null) | (null) | (null) | (null) |
+----------------------------+-------+--------+--------+--------+--------+--------+--------+--------+--------+
关于java - Hadoop 和 Hive 中的位级查询,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/44594600/
我想做的是让 JTextPane 在 JPanel 中占用尽可能多的空间。对于我使用的 UpdateInfoPanel: public class UpdateInfoPanel extends JP
我在 JPanel 中有一个 JTextArea,我想将其与 JScrollPane 一起使用。我正在使用 GridBagLayout。当我运行它时,框架似乎为 JScrollPane 腾出了空间,但
我想在 xcode 中实现以下功能。 我有一个 View Controller 。在这个 UIViewController 中,我有一个 UITabBar。它们下面是一个 UIView。将 UITab
有谁知道Firebird 2.5有没有类似于SQL中“STUFF”函数的功能? 我有一个包含父用户记录的表,另一个表包含与父相关的子用户记录。我希望能够提取用户拥有的“ROLES”的逗号分隔字符串,而
我想使用 JSON 作为 mirth channel 的输入和输出,例如详细信息保存在数据库中或创建 HL7 消息。 简而言之,输入为 JSON 解析它并输出为任何格式。 最佳答案 var objec
通常我会使用 R 并执行 merge.by,但这个文件似乎太大了,部门中的任何一台计算机都无法处理它! (任何从事遗传学工作的人的附加信息)本质上,插补似乎删除了 snp ID 的 rs 数字,我只剩
我有一个以前可能被问过的问题,但我很难找到正确的描述。我希望有人能帮助我。 在下面的代码中,我设置了varprice,我想添加javascript变量accu_id以通过rails在我的数据库中查找记
我有一个简单的 SVG 文件,在 Firefox 中可以正常查看 - 它的一些包装文本使用 foreignObject 包含一些 HTML - 文本包装在 div 中:
所以我正在为学校编写一个 Ruby 程序,如果某个值是 1 或 3,则将 bool 值更改为 true,如果是 0 或 2,则更改为 false。由于我有 Java 背景,所以我认为这段代码应该有效:
我做了什么: 我在这些账户之间创建了 VPC 对等连接 互联网网关也连接到每个 VPC 还配置了路由表(以允许来自双方的流量) 情况1: 当这两个 VPC 在同一个账户中时,我成功测试了从另一个 La
我有一个名为 contacts 的表: user_id contact_id 10294 10295 10294 10293 10293 10294 102
我正在使用 Magento 中的新模板。为避免重复代码,我想为每个产品预览使用相同的子模板。 特别是我做了这样一个展示: $products = Mage::getModel('catalog/pro
“for”是否总是检查协议(protocol)中定义的每个函数中第一个参数的类型? 编辑(改写): 当协议(protocol)方法只有一个参数时,根据该单个参数的类型(直接或任意)找到实现。当协议(p
我想从我的 PHP 代码中调用 JavaScript 函数。我通过使用以下方法实现了这一点: echo ' drawChart($id); '; 这工作正常,但我想从我的 PHP 代码中获取数据,我使
这个问题已经有答案了: Event binding on dynamically created elements? (23 个回答) 已关闭 5 年前。 我有一个动态表单,我想在其中附加一些其他 h
我正在尝试找到一种解决方案,以在 componentDidMount 中的映射项上使用 setState。 我正在使用 GraphQL连同 Gatsby返回许多 data 项目,但要求在特定的 pat
我在 ScrollView 中有一个 View 。只要用户按住该 View ,我想每 80 毫秒调用一次方法。这是我已经实现的: final Runnable vibrate = new Runnab
我用 jni 开发了一个 android 应用程序。我在 GetStringUTFChars 的 dvmDecodeIndirectRef 中得到了一个 dvmabort。我只中止了一次。 为什么会这
当我到达我的 Activity 时,我调用 FragmentPagerAdapter 来处理我的不同选项卡。在我的一个选项卡中,我想显示一个 RecyclerView,但他从未出现过,有了断点,我看到
当我按下 Activity 中的按钮时,会弹出一个 DialogFragment。在对话框 fragment 中,有一个看起来像普通 ListView 的 RecyclerView。 我想要的行为是当
我是一名优秀的程序员,十分优秀!