Hive行转列[一行拆分成多行/一列拆分成多列]
hive有张表armmttxn_tmp，其中有一个字段lot_number，该字段以逗号分隔开多个值，每个值又以冒号来分割料号和数量，如：A3220089:-40,A3220090:-40,A3220091:-40,A3220083:-40,A3220087:-40,A3220086:-40,A32
Hive窗口函数整理
Hive 中的窗口函数允许你在结果集的一个特定“窗口”内对行进行计算。这些窗口可以是物理的（基于行在数据中的实际位置）或逻辑的（基于行的一些排序标准）。窗口函数在处理排名、计算累计和或计算移动平均值等问题时特别有用。这只是 Hive 中窗口函数的一个简短列表。当与其他 SQL 功能（如分区、排序和子
Hive的四种排序方法
hive有四种排序方法: ORDER BY 、SORT BY 、DISTRIBUTE BY 、CLUSTER BY。hive排序方法,hive的排序方式。
【sentry 到 ranger 系列】一、Sentry 的 Hive 鉴权插件
代码走读 + 图文并茂，直击 Sentry 的 Hive 鉴权插件灵魂深处
大数据系统常用组件理解（Hadoop/hive/kafka/Flink/Spark/Hbase/ES）
Spark streaming接收kafka、Flume、HDFS、套接字等各种来源实时输入数据，进行处理，处理后结构数据可存储到文件系统、数据库，或显示在可视化图像中；Hive 是构建在Hadoop HDFS上的数据仓库，可以将结构化的数据文件映射成一张数据库表，并提供类SQL查询功能，主要完成海
大数据数仓建模基础理论【维度表、事实表、数仓分层及示例】
数据仓库建模（Data Warehouse Modeling）是指在数据仓库（Data Warehouse）中组织和设计数据的过程，以便支持数据分析、报告和决策制定。数据仓库是一个集成的、主题导向的数据存储，用于存储来自不同来源的数据，经过清洗、转换和集成，以支持业务分析和决策。主要目标是创建一个能
大数据开发之Hive（企业级调优）
创建测试用例1、建大表、小表和JOIN后表的语句2、分别向大表和小表中导入数据。
网约车大数据综合项目——数据分析Hive
【代码】网约车大数据综合项目——数据分析Hive。
Hive SQL判断一个字符串中是否包含字串的N种方式及其效率
Hive SQL判断一个字符串中是否包含字串的6种方式及其效率
Hive实战：分科汇总求月考平均分
在这个实战中，我们运用了Hive框架来处理学生的月考成绩数据。具体步骤如下：准备数据： 我们准备了三个文本文件，分别包含了语文、数学和英语的月考成绩数据，并将这些数据上传到HDFS的指定目录。启动Hive Metastore服务并连接Hive客户端： 我们启动了Hive Metastore服务，并通
使用Sqoop将Hive数据导出到TiDB
关系型数据库与大数据平台之间的数据传输之前写过一些。我发现一些大家可能会忽略但很重要的地方！所以，请继续看下去，你肯定会有收获的！！！
Hive ACID事务表
关于hive ACID事务表的一些内容记载
Hive数据定义（1）
讲述Hive数据定义的基本知识点：数据仓库的创建、数据仓库的查询、数据仓库的修改、数据仓库的删除、表的创建、表的删除
【hive】Hive中的大宽表及其底层详细技术点
通过选择合适的存储格式、数据分区、列式存储和压缩、列存储索引、数据分桶等底层技术点，可以有效地管理和处理大量列的数据表格。在Hive中，可以选择不同的存储格式来存储大宽表，如文本格式、序列文件格式、列式存储格式等。为了满足这种需求，Hive引入了大宽表（Large Wide Table）的概念，它是
Hive内核调优(二)
SQL调优过程中需要结合Hive日志分析性能瓶颈，如下是对关键日志进行说明。
Hive实战：分科汇总求月考平均分
本次实战运用Hive处理学生月考成绩数据，通过创建分区表、加载各科目成绩至对应分区，并使用SQL语句计算平均分，展示了Hive在大数据管理、分析查询及统计计算上的灵活性与便捷性。
数据仓库命名规范详解
小时(h)、天（d）、周(w)、月（m）、季（q）、年（y）。实时（rt）、小时（h）、天（d）、周（w）、月（m）、季（q）、年（y）、一次性任务（o）、无周期（n）实时（rt）、小时（h）、天（d）、周（w）、月（m）、季（q）、年（y）、一次性任务（o）、无周期（n）实时（rt）、小时（h）、
Hive实战：网址去重
本实战通过Hive对三个文本文件中的IP地址数据进行整合去重。首先在虚拟机创建并上传文本至HDFS，接着启动Hive服务与客户端，创建外部表加载数据，并用DISTINCT从原始表中提取不重复IP至新内部表，最终成功实现去重目标，展示了Hive处理大规模文本数据的高效能与便捷性。
[Hive] INSERT OVERWRITE DIRECTORY要注意的问题
命令，需要确保目录的路径是正确的，并且Hive有权限访问和写入该目录。同时，由于所有的命令都是发送到主HiveServer上去执行的，所以要求此目录必须在主HiveServer节点上。注意数据覆盖、数据格式、分区数据重复以及数据迁移问题。确保在执行该语句之前，仔细检查并处理这些问题，以确保数据的准确
Hive（二）
select num_stu from students where name like '李%'；select num_stu from students where name like '李_';select name from students where name not '王%';只针对表
