- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
1)如果分区列没有数据,那么当你查询它时,你会得到什么错误?
2)如果某些行没有分区列,这些行将如何处理?会不会有数据丢失?
3)为什么需要对数字列进行分桶?我们也可以使用字符串列吗?流程是什么?您将在什么基础上选择分桶柱?
4) 内部表的详细信息是否也会存储在 Metastore 中?还是只存储外部表的详细信息?
5) 什么类型的查询,只在映射器端而不在 reducer 中运行,反之亦然?
最佳答案
简短的答案:
1. 如果分区列没有数据,那么 当你查询 ,你会得到什么错误?
Hive 中的分区列是一个名为 key=value
的文件夹里面有数据文件。如果没有数据,则表示不存在分区文件夹且表为空,不显示错误,不返回数据。
当您使用动态分区在分区列中插入 null 时,分区列中的所有 NULL 值(以及所有不符合字段类型的值)加载为 __HIVE_DEFAULT_PARTITION__
如果在这种情况下列类型是数字,则在选择期间将引发类型转换错误。例如,不能将 textWritable 转换为 IntWritable 之类的东西
2. 如果某些行没有分区列,将如何处理这些行?会不会有数据丢失?
如果“没有”表示 NULL,则加载为 HIVE_DEFAULT_PARTITION 其实还是可以取到数据的,没有丢失
3. 为什么需要对数字列进行分桶? -它不需要是数字我们也可以使用字符串列吗? 是的。 流程是什么,您将在什么基础上选择分桶列。?
应根据连接/过滤列选择用于分桶的列。值正在被散列、分布和排序(集群),并且相同的散列被写入(在插入覆盖期间)相同的存储桶(文件)中。桶和列的数量在表 DDL 中指定。
Bucketed table 和 bucket-map-join 是一个有点过时的概念,你可以使用 DISTRIBUTE BY + sort + ORC 来实现。这种方法更灵活。
4. 内部表的详细信息也会存储在元存储中吗?还是只存储外部表的详细信息?
外部或管理无关紧要。表 schema/grants/statistics 存储在 Metastore 中。
5. 什么类型的查询,只在映射器端而不在 reducer 中运行,反之亦然?
没有聚合的查询、map-joins(当小表适合内存时)、简单的列转换(简单的列 UDF,如 regexp_replace、split、substr、trim、concat 等)、WHERE 中的过滤器、排序方式 - 可以在 mapper 上执行。
聚合和分析、公共(public)连接、排序依据、分发依据、UDAF 在 mapper+reducer 上执行。
runs only at mapper side not in reducer and vice versa
关于hive - hive 面试问题中的分区,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55633122/
我可以将 CSV 或任何其他平面文件导入到 hive 中,而无需先在 hive 中创建和定义表结构吗?假设我的 csv 文件有 200 列,需要导入到 hive 表中。所以我必须首先在 hive 中创
我有以下示例数据,我试图在 hive 中爆炸它.. 我使用了 split 但我知道我错过了一些东西.. ["[[-80.742426,35.23248],[-80.740424,35.23184],[
我有一个很大的日志文件,我加载到 HDFS . HDFS将根据机架感知复制到不同的节点。 现在我将相同的文件加载到配置单元表中。命令如下: create table log_analysis (log
我正在尝试使用 UDF在 hive 中。但是当我尝试使用 userdate as 'unixtimeToDate' 创建一个临时函数时,我得到这个异常(exception) hive> create
在Mysql中,我们可以使用DO sleep(5) ;来进行暂停。但它在 Hive 中不起作用。 Hive有 sleep 功能吗? 最佳答案 你可以通过反射调用Thread让hive在处理每一行后多等
我正在将数据从 csv 文件导入 Hive。我的表包含字符串和整数。但是,在我的输入文件中,整数周围有空格,所以它看起来像这样: some string, 2 ,another stri
我可以嵌套吗select在 Hive 中具有不同的条件?例如 如果我有以下两个 Hive 查询: select percentile(x, 0.95) from t1 where y = 1; sel
hive 安装有什么特定的模式吗? 例如,Hadoop 安装有 3 种模式:独立、伪分布式和完全分布式。 同样,Hive 是否有任何特定类型的分布? Hive 可以分布式安装吗? 最佳答案 Hive
我正在使用 Hive,我有一个结构如下的表: CREATE TABLE t1 ( id INT, created TIMESTAMP, some_value BIGINT ); 我需要找到
我是 Hadoop 生态系统工具的新手。 任何人都可以帮助我了解 hive 、直线和 hive 之间的区别。 提前致谢! 最佳答案 Apache hive : 1] Apache Hive 是一个建立
如何在 Hive 中写出数组文字? SELECT PERCENTILE(my_column, [0.5, 0.25, 0.50, 0.75, 0.95]) AS quantiles FROM my_t
我正在尝试在Hive中重命名columnName。是否可以在Hive中重命名列名称。 tableA(栏1,_c1,_c2) 至 tableA(column1,column2,column3) ?? 最
减号查询似乎在 HIVE 中不起作用。 尝试过: select x from abc minus select x from bcd ; 我做错了还是没有为 HIVE 定义负查询?如果是这样,还有其他
我正在尝试使用 hive-jdbc 连接将数据插入 Hive (NON-ACID) 表。如果我在“语句”中执行单个 SQL 查询,它就可以工作。如果我尝试使用“addBatch”对 SQL 进行批处理
我知道这些, 要获取表中的列名,我们可以触发: show columns in . 要获取表的描述(包括 column_name、column_type 和许多其他详细信息): describe [f
无法找到有关 Hive 表最大字符限制的合适规范。 我正在开发一个涉及 hive 表的 ETL 过程,这些表已指定格式为 _ 的命名约定,并且提供的表名称远大于 30 字节(pl/sql 的正常限制)
在安装了Hive的集群中,metastore和namenode有什么?我了解 Metastore 拥有所有表架构、分区详细信息和元数据。现在这个元数据是什么?那么namenode有什么呢?这个元存储在
Hive 中静态分区和动态分区的主要区别是什么?使用单独的插入意味着静态,而对分区表的单个插入意味着动态。还有什么优点吗? 最佳答案 在静态分区中,我们需要在每个 LOAD 语句中指定分区列值。 假设
我是 hadoop 和 hive 的新手。如果有人研究过pivot in hive的概念,请与我分享。 例如:来自 teradata 或 oracle 的数据未转置,这些数据应在 hive 中转置。那
1)如果分区列没有数据,那么当你查询它时,你会得到什么错误? 2)如果某些行没有分区列,这些行将如何处理?会不会有数据丢失? 3)为什么需要对数字列进行分桶?我们也可以使用字符串列吗?流程是什么?您将
我是一名优秀的程序员,十分优秀!