hive表的输入输出格式总结
hive输入输出格式总结
hive安装 ———附下载链接、安装过程中所遇问题及解决办法（linux）
一、前期准备1. hive 及相关配置文件下载1. hadoop集群2. 安装mysql二、安装hive1. 解压并安装 Hive 使用下面的命令，解压 Hive 安装包：2.配置 MySQL3.配置 Hive5.启动 Hive6. 配置hive下的mysql数据库7.验证 Hive 安装是否成功三
Hive 搭建（将 MySQL 作为元数据库）
安装 Hive 之前请先确保你当前已经安装好了 Hadoop，并且运行正常。
hive：常见日期函数
1. to_date：日期时间转日期-- 注：日期字符串必须满足yyyy-MM-dd格式命令：select to_date('2022-04-29 08:52:14.0');输出：2022-04-292. current_date ：当前日期命令：select current_date();输出：2
hive sql 和 spark sql的区别
要知道两种sql的区别，先要知道什么是hive，什么是spark一、什么是hive，什么是spark（一）hive1、hive在hadoop中承担了多种角色，每种角色承担特定的功能。定语角色作用优点基于Hadoop的数仓工具查询引擎可以将结构化的数据文件映射为一张数据库表，并提供完整的sql查询功能
Hive详解(超详细)
hive详解
Hive的安装与配置——第1关：Hive的安装与配置
外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ysxGddek-1666195111052)(D:\文件\大三上\大数据库\educoder_Hive的安装.png)]版本就说明安装成功，但是可以看到其中有一些警告信息，是由于包的冲突引起的。补充完代码后，点击测评，平台
sparksql 读取hive表子目录问题排查
sparksql读取hive表子目录问题
虚拟机连接mysql出现的问题
1:下载mysql出现无法解析的问题在端口号和网关配置没有出错的前提下，进去etc目录下通过命令vim resolv.conf进去并添加以下内容。可以通过:ping 8.8.8.8测试是否成功，在输入时前面一定不能有空格。2.在进入mysql时输入密码出现not found这是因为初始密码中存在特殊
hive真实表空间大小统计
如果是采用hdfs上传加载的表、或者是flume直接写hdfs的表空间通常看hive的属性是不准确的。
HiveSql一天一个小技巧：利用array_contains()函数进行容器存在性计数问题分析
由于题意要求了不能使用join等关联形式求解，通过题意分析此题本质为存在性计数问题，类似于java中我们构建一个HashSet()我们往里面Put数据的时候，每次检查一次是否有该值，有就记为1，最终统计重复的个数有多少个，这类问题也就是我们经常说的容器变换问题，而对应到Hive中时候我们如何构建容器
hive 之with as 和create view 和create temporary table用法
create view 其实和with tmp as 很相似，都是把复杂的可以重用的sql简化，我觉得唯一的区别就是 view是可以创建下次再使用的 但是with只是当前sql有效，甚至不是会话有效。可以看到 这个join with as 和 view 都是执行了两次，但是temporary ta
【Hive进阶】-- Hive SQL、Spark SQL和 Hive on Spark SQL
Hive由Facebook开发，用于解决海量结构化日志的数据统计，于2008年贡献给 Apache 基金会。Hive是基于Hadoop的数据仓库工具，可以将结构化数据映射为一张表，提供类似SQL语句查询功能本质：将Hive SQL转化成MapReduce程序。Spark SQL主要用于结构型数据处理
启动hive报错no hbase in
bin/hive 报 which: no hbase in
Hive常用函数介绍(窗口函数)
快看，眼前这片文章居然是一篇文章，它一定对开窗函数有所介绍，让我们点击进去瞧一瞧
hive复杂类型数据详解—array,map,struct
hive复杂数据类型有三种，map，array，struct。本文会详细介绍三种类型数据的建表、查询、相关函数以及与其他数据类型的相互转换。目录一、简介二、建表语句三、类型构建四、查询array类型map类型struct类型五、与其他数据类型转换将array和map转化为基本数据类型（行转列）基本数
IDEA Windows下SPARK连接Hive
IDEA Windows下SPARK连接Hive
Hive调优及参数优化（详细版）
Hive调优及参数优化，涵盖：基础配置优化、压缩配置优化、分桶优化、Map Join、Bucket-Map Join、SMB Join、Hive并行操作、Hive索引、数据清洗转换优化、统计分析优化、Hive优化器等等......
flink-sql大量使用案例
本文是 flink sql 的一些使用案例，同时也包括了一些特殊用法展示。
Hive Lateral View + explode 详解
hive中的函数分为3类,UDF函数、UDAF函数、UDTF函数UDF：一进一出 UDAF:聚集函数，多进一出，类似于：count/max/min UDTF:一进多出,如explore()、posexplode()，UDTF函数的时候只允许一个字段百度explode()时，经常会出现lateral
