真情流露

等值JOINHive支持通常的SQLJOIN语句，==但是只支持等值连接，不支持非等值连接。==案例操作（1）查询分数对应的姓名表的别名1）好处（1）使用别名可以简化查询。（2）使用表名前缀可以提高执

大数据：历史数据量逐渐攀升、新型数据类型逐渐增多。是企业必然会遇到的问题 新技术：传统方式与技术无法处理大量、种类繁多的数据，需要新的技术解决新的问题。 技术人员：有了问题，有了解决问题的技术，需要大量懂技术的人解决问题。 最佳实践：解决 问题的方法，途径有很多，寻找最好的解决…

表示在需要处理更多负载时通过提高单个系统处理能力的方法来解决问题。最简单的情况就是为应用系统提供更为强大的硬件。例如如果数据库所在的服务器实例只有2G内存、低配CPU、小容量硬盘，进而导致了数据库不能高效地运行，那么我们就可以通过将该服务器的内存扩展至8G、更换大容量硬盘或者更…

Hadoop最早起源于lucene下的Nutch。Nutch的设计目标是构建一个大型的全网搜索引擎，包括网页抓取、索引、查询等功能，但随着抓取网页数量的增加，遇到了严重的可扩展性问题——如何解决数十亿网页的存储和索引问题。 2003年、2004年谷歌发表的三篇论文为该问题提供了…

MR支持的压缩编码在实际工作当中，hive当中处理的数据，一般都需要经过压缩，前期我们在学习hadoop的时候，已经配置过hadoop的压缩，我们这里的hive也是一样的可以使用压缩来节省我们的MR处

行存储的特点： 查询满足条件的一整行数据的时候，行存储只需要找到其中一个值，其余的值都在相邻地方。列存储则需要去每个聚集的字段找到对应的每个列的值，所以此时行存储查询的速度更快。 列存储的特点： 因为每个字段的数据聚集存储，在查询只需要少数几个字段的时候，能大大减少读取的数据量…

开启map输出阶段压缩可以减少job中map和Reduce task间数据传输量。具体配置如下： 当Hive将输出写入到表中时，输出内容同样可以进行压缩。属性hive.exec.compress.output控制着这个功能。用户可能需要保持默认设置文件中的默认值false，这样…

将key相对分散，并且数据量小的表放在join的左边，这样可以有效减少内存溢出错误发生的几率；再进一步，可以使用Group让小的维度表（1000条以下的记录条数）先进内存。在map端完成reduce。 有时join超时是因为某些key对应的数据太多，而相同key对应的数据都会发…

Hive会将一个查询转化成一个或者多个阶段。 这样的阶段可以是MapReduce阶段、抽样阶段、合并阶段、limit阶段。或者Hive执行过程中可能需要的其他阶段。 默认情况下，Hive一次只会执行一个阶段。 不过，某个特定的job可能包含众多的阶段，而这些阶段可能并非完全互相…