ZSTD（全称为Zstandard）是一种开源的无损数据压缩算法，其压缩性能和压缩比均优于当前Hadoop支持的其他压缩格式，本特性使得Hive支持ZSTD压缩格式的表。Hive支持基于ZSTD压缩的存储格式有常见的ORC，RCFile，TextFile，JsonFile，Parquet，Squence，CSV。ZSTD压缩格式的建表方式如下：ORC存储格式建表时可指定TBLPROPERTIES(“orc.compress”=“zstd”)：createtabletab_1(...)storedasorcTBLPROPERTIES("orc.compress"="zstd");Parquet存
1、数据倾斜优化1.1由分组聚合导致的数据倾斜（1）优化说明（2）优化案例1.2join导致的数据倾斜（1）优化说明（2）优化案例2、HQL语法优化之任务并行度2.1Map端并行度2.2Reduce端并行度3、HQL语法优化之小文件合并3.1Map端输入文件合并3.2Reduce输出文件合并4、其他优化4.1CBO优化4.2谓词下推4.3矢量化查询4.4Fetch抓取4.5本地模式4.6并行执行4.7严格模式1、数据倾斜优化数据倾斜问题，通常是指参与计算的数据分布不均，即某个key或者某些key的数据量远超其他key，导致在shuffle阶段，大量相同key的数据被发往同一个Reduce，进而
SparkSQL和Hive语法差异1、仅支持HiveSparkSQL关联条件on不支持函数rand()创建零时表时，Spark不支持直接赋值nullSpark无法读取字段类型为void的表SparkSQL中如果表达式没有指定别名，SparkSQL会将整个表达式作为别名，如果表达式中包含特殊字符（如逗号）。则CTAS建表会失败2、仅支持SparkSQLSparkSQL允许在joinon条件中使用or等不等式值关联语句，Hive中不允许，只能用等值关联3、相同函数差异Spark运行时用到的hash函数，与hive的哈希算法不同，如果使用hash()，结果和hive的hash（）会有差异Hive和s
问题：执行SQL报错提示缺少文件异常信息如下在hdfs上查看的时候连文件夹都没有，所以这个异常会抛出，但是我是基于CDH搭建的，可以直接基于下面操作执行完成之后查看HDFS文件重新执行SQL发现可以正常执行了
hive基本语法一、hive建表语句createexternaltableifnotexistsods_base_org_info(idstringcomment'主键',org_codestringcomment'组织编码',org_code_outstringcomment'对应主数据编码',org_namestringcommet'机构编码',org_simple_namestringcomment'中文简称',)comment'组织机构信息表'partitionedby(hdfs_date_dtstring)rowformatserde'org.apache.hadoop.hive.c
4、实验步骤（一）创建一个内部表stocks，字段分隔符为英文逗号，表结构下所示。col_namedata_typeexchangestringsymbolstringymdstringprice_openfloatprice_highfloatprice_lowfloatprice_closefloatvolumeintprice_adj_closefloat创建内部表stocks：createtableifnotexistsstocks(`exchange`string,`symbol`string,`ymd`string,`price_open`float,`price_high`flo
HiveSQL语法大全基于语法描述说明CREATEDATABASE[IFNOTEXISTS]db_name[LOCATION]'path';SELECTexpr,...FROMtblORDERBYcol_name[ASC|DESC](A|B|C)如上语法，在语法描述中出现：[]，表示可选，如上[LOCATION]表示可写、可不写|，表示或，如上ASC|DESC，表示二选一…，表示序列，即未完结，如上SELECTexpr,...表示在SELECT后可以跟多个expr（查询表达式），以逗号隔开()，表示必填，如上(A|B|C)表示此处必填，填入内容在A、B、C中三选一数据库操作创建数据库CREAT
目录目录分桶表函数空字符段赋值函数CASEWHENTHENELSEEND多列变一列一行变多行窗口函数（开窗函数）自定义函数压缩和存储文件存储格式 离线数仓教育项目项目的架构项目架构中:数据流转的流程注意事项数据仓库的基本概念维度分析指标与维度维度分层与分级数仓建模事实表和维度表分类维度建模的三种模型分桶表分区提供一个隔离数据和优化查询的便利方式，分区字段是放在目录中及在MySQL元数据当中，在查询时直接where子句可以首先从元数据中定位到具体分区的目录，避免全表查询。分桶是将同一个目录下的数据分成多个文件，分桶针对的是数据文件分区表：分区字段不是表中的字段分桶表：分桶字段必须是表中字段建表语
sethive.compute.query.using.stats=false;是Hive的一个配置选项。它的含义是禁用Hive在执行查询时使用统计信息。在Hive中，统计信息用于优化查询计划和执行。当该选项设置为false时，Hive将不会使用任何统计信息来帮助决定查询的执行计划。这可能会导致查询的执行效率下降，尤其是在处理大型数据集时。禁用统计信息的主要原因是统计信息可能不准确或过时，或者在某些情况下，使用统计信息并不会带来明显的性能提升。因此，禁用统计信息可以使查询的执行计划更加稳定，而不会受到统计信息本身的影响。但需要注意的是，禁用统计信息可能会导致查询的性能下降。如果你发现查询的执行
目录引言迁移背景迁移方案设计迁移成果总结引言把基于mapreduce的离线hiveSQL任务迁移到sparkSQL，不但能大幅缩短任务运行时间，还能节省不少计算资源。最近我们也把组内2000左右的hivesql任务迁移到了sparkSQL，这里做个简单的记录和分享，本文偏重于具体条件下的方案选择。迁移背景SQL任务运行慢HiveSQL处理任务虽然较为稳定，但是其时效性已经达瓶颈，无法再进一步提升，同一个SQL，Hive比Spark执行的时间更长。SparkSQL的发展远超HSQL随着 Spark以及其社区的不断发展，SparkSQL 本身技术也在不断成熟，Spark在技术架构和性能上都展示出H
