第1关：Hive的安装与配置
Hive的安装与配置第1关：Hive的安装与配置
Hive--时间函数大全
hive时间函数1. current_date()：获取当前格式化日期2. current_timestamp()：获取当前格式化时间3. unix_timestamp()：获取当前unix时间戳4. from_unixtime()：把unix时间戳转化为格式化时间5. to_date(): 当前格
HiveSql一天一个小技巧：如何巧用分布函数percent_rank()求去掉最大最小值的平均薪水问题
本文给出了一种利用percent_rank()求去掉最大最小值的平均薪水的方法，该方法更简洁高效，值得借鉴。通过本文需要掌握的姿势点如下：• PERCENT_RANK函数的作用、意义及使用场景是什么？• PERCENT_RANK函数的结果是如何计算？• PERCENT_RANK与cume_disk
[1142]hive中如何新增字段
文章目录新增字段1、方法1cascade知识2、方法2 （适用于外部表）3、方法3（下下策）修改字段删除列新增字段1、方法1alter table 表名 add columns (列名 string COMMENT '新添加的列') CASCADE; alter table 表名 add colum
【Hive】Hive练习题50道
数据展示student表score表teacher表course表在hive中建表导入数据首先要先在hdfs上为每个数据建一个文件名相同的文件夹，以上的4张表都是txt格式的，放入hdfs相对应的文件夹后，使用以下语句建表(因为数据量不大，就直接建内部表)create table if not ex
查询所有HIVE表分区数据量
查询HIVE表分区的数据占用和行数，用于数据治理通常，每天一个分区；通常，今天查看昨天分区数据量本文日期分区字段为ymd
kettle连接hive
要替换kettle文件的位置：D:\programfile\data-integration\plugins\pentaho-big-data-plugin\hadoop-configurations\hdp30。注意是要放在hdp30目录下的lib文件夹，而不是像把Oracle/MySQL驱动一样
hive之left semi join（左半连接）使用方法
目录一、建表数据准备二、语法三、left semi join例子四、left semi join、join、left join的区别1、left semi join2、left join3、join结语一、建表数据准备参考hive之full outer join（全连接）使用方法_IMezZ的博客-
Hive的动态分区与静态分区（区别及详解）
Hive的动态分区与静态分区
Hive SQL时间函数及用法
函数： last_day(string date)返回值：string返回该日期所属的月份的最后一天(截至Hive 1.1.0)。date为字符串，格式为“yyyy-MM-dd HH:mm:ss”或“yyyy-MM-dd”。日期的时间部分被忽略。
SPARKSQL3.0-Spark兼容多版本Hive源码分析
SPARKSQL3.0-Spark兼容多版本Hive源码分析
编写 Scala 工程代码，将 MySQL 库中的表增量抽取到 Hive库中对应表中
本文仅仅简单介绍了操作步骤，很多经验都来自于b站和博客上的大佬，以及身边的同学和老师转化而来的，赶在2022年最后一天做出总结，希望对大家也有帮助。
Hive 事务表 (Transactional Tables)
1. 为什么要使用事务表？2. 创建使用事务表
HiveSQL和SparkSQL的区别和联系
Hive和spark对比
Ranger (五) --------- 使用 Ranger 对 Hive 进行权限管理
使用 Ranger 对 Hive 进行权限管理
Hive 数据库常用基础命令
hive数据仓库的基本sql命令
hdfs小文件合并
hdfs小文件合并
hive和hbase的一些数据导入导出操作
hive 、hbase的一些基本操作
hive语法之insert overwrite/insert into
这里提到了hive2.3.0之后 如果表属性有("auto.purge"="true")，当insert overwrite的时候，之前的数据是不会移动到垃圾箱的(会移动哪里呢？这里提到了一个比较有意思的参数("immutable"="true") 这个单词是不可变的意思，insert into本身
Hive架构简述及工作原理
Hive是基于Hadoop的一个数据仓库管理工具，可以将结构化的数据文件映射为一张数据库表，并提供类SQL（HQL）查询功能。本质是将SQL转换为MapReduce程序（默认）。直接使用Hadoop MapReduce处理数据所面临的问题： 学习成本高，MapReduce实现复杂查询功能开发难度大，
