主頁 >  其他 > 架構師之路Learn Day7之Hive生產環境最佳實踐

架構師之路Learn Day7之Hive生產環境最佳實踐

2022-03-03 08:07:37 其他

1、磁區表和分桶表的應用場景

  • 注意事項:磁區和分桶都會產生資料傾斜
1.1、磁區表應用場景
  • 作用:提高查詢效率

①在SQL中會按照某個欄位進行過濾,建表的時候要按照這個欄位作為磁區欄位

②資料基本上只會分析增量資料,不會分析全量資料,則應該按照時間來磁區

1.2、分桶表應用場景
  • 作用:提高查詢效率+進行抽樣

①如果一個表的欄位經常被Join查詢條件,就應該建分桶表進行優化

select a.*,b.* from a join b on a.guid=b.guid
  • 注意事項:a表和b表都要分桶,而且分桶規則要一樣(分桶欄位一致,分桶個數成倍數關系)

  • 分析分桶join資料快的原因:hash散列提高關聯效率

在這里插入圖片描述

2、全域排序和區域排序

2.1、Order By
  • 含義:全域排序,最終使用一個reduceTask來完成排序,就算你設定了多個也沒用
  • 注意事項:如果資料量很大,使用Order By來排序效率非常低
select * from table order by guid 
2.2、Sort By
  • 含義:區域排序,使用多個ReduceTask來運行,那么每個ReduceTask輸出的結果是有序的,但整體結果無序,

  • 應用場景:資料量很大但是需要進行全域排序

select * from table sort by guid 
  • 實作方案:

使用一個Reducer,只輸出一個Reduce檔案

#進行相關引數設定
set mapreduce.job.reduces=1;

#SQL實作
select * from table order by guid desc

使用多個Reducer

  • 實作原理:范圍磁區(分桶distribute by)+區域排序(每個桶內進行sort by)
#進行相關引數設定
set mapreduce.job.reduces=4;

#SQL實作
select * from table distribute by(case when guid >= 0 then A 
                                  	   when guid >=10 then B 
                                       when guid >=20 then C
                                  else D) sort by guid 

在這里插入圖片描述

  • 分桶規則指定:通過采樣確定資料分布規律

①第一步:模糊采樣

#采樣方式:通過亂數的方式將資料打散分布,之后取前100條

select * from table  sort by rand() - 0.5 limit 100;

②第二步:確定范圍

  • 將采樣后的資料進行排序,之后切分10個磁區來做
    • 第一個磁區取最后一條資料,其余磁區同理
2.3、distribute by
  • 含義:分桶查詢
  • 應用場景:
    • ①必須設定reduceTask的個數
    • ②查詢中,必須設定distribute by來設定分桶規則:hash散列
set mapreduce.job.reduce=3

select * from table distribute by guid
2.4、cluster by
  • 含義:如果sort by的欄位和distribute by的欄位一樣,就可以簡寫
cluster by guid = distribute by guid order by guid
  • 運行規則:資料分成n段,每一段的ID都是按照hash散列的規則得到的結果都是一樣,即hash(id)%n=余數

3、常用函式

3.1、str_to_map()
  • 作用:使用兩個分隔符將文本拆分為鍵值對, Delimiter1將文本分成K-V對,Delimiter2分割每個K-V對,對于delimiter1默認分隔符是’,’,對于delimiter2默認分隔符是’=’,
  • 在這里插入圖片描述
  • 在這里插入圖片描述
3.2、explode
  • 作用:將一行轉換成多行
select explode(str_to_map("a:1,b:2,c:3",",",":"));

#運行結果
a     1
b     2
c     3
3.3、split()[]
  • 作用:通過固定字符對字串進行切割,可通過索引獲得切割后的結果

在這里插入圖片描述

在這里插入圖片描述

4、高級聚合函式

  • 高級聚合函式:相當于group by加強
4.1、Grouping sets
  • 作用:為自定義維度,根據需要分組即可
grouping sets((device_id),(os_id),(device_id,os_id),())<=>

group by device_id union all group by os_id union all  device_id,os_id

select 
  platform
  ,action
  ,count(guid)
  ,GROUPING__ID
  ,rpad(reverse(bin(cast(GROUPING__ID AS bigint))),3,'0')
from mtt_search.t_od_mtt_search_three_ecological_novel
where ds = 11111111
group BY
  platform
  ,action
grouping sets((platform),(action),(platform,action),())
  • 運行結果

在這里插入圖片描述

4.2、cube函式
  • 作用:分組組合最全,是各個維度值的笛卡爾(包含null)組合,
group by a,b,c with cube <=> grouping sets((a,b,c),(a,b),(a,c),(b,c),(a),(b),(c),())

select 
  platform
  ,action
  ,count(guid)
  ,GROUPING_ID
from mtt_search.t_od_mtt_search_three_ecological_novel
where ds = 11111111
group BY
  platform
  ,action
with cube
  • 運行結果:

在這里插入圖片描述

4.3、rollup函式
  • 含義:從右到做遞減多級的統計
group by a,b,c with rollup <=> grouping sets((a,b,c),(a,b),(a),())

select 
  platform
  ,action
  ,count(guid)
  ,GROUPING_ID
from mtt_search.t_od_mtt_search_three_ecological_novel
where ds = 11111111
group BY
  platform
  ,action
with rollup
  • 運行結果

在這里插入圖片描述

5、Hive處理Json資料

(1)原始資料如下

{"movie":"1193","rate":"5","timeStamp":"978300760","uid":"1"}
{"movie":"661","rate":"3","timeStamp":"978302109","uid":"1"}
{"movie":"914","rate":"3","timeStamp":"978301968","uid":"1"}
{"movie":"3408","rate":"4","timeStamp":"978300275","uid":"1"}
{"movie":"2355","rate":"5","timeStamp":"978824291","uid":"1"}
.....
{"movie":"1197","rate":"3","timeStamp":"978302268","uid":"1"}
{"movie":"1287","rate":"5","timeStamp":"978302039","uid":"1"}
{"movie":"2804","rate":"5","timeStamp":"978300719","uid":"1"}
{"movie":"594","rate":"4","timeStamp":"978302268","uid":"1"}

(2)要求匯入結果如下

movieratetimestampuid
119359783007601

(3)解決方案

  • 方案:可用內置 get_json_object 或者 自定義函式完成
-- 第一步:先放入中間表
create database if not exists nx_de_json_db;
use nx_de_json_db;
drop table if exists rate_json;
create table rate_json(line string) row format delimited;
load data local inpath '/home/bigdata/rating.json' into table rate_json;

-- 第二步:創建結果表
create table rate(movie int, rate int, unixtime int, userid int) row format
delimited fields terminated by '\t';

-- 第三步:寫決議陳述句進行插入
insert into table rate select
get_json_object(line,'$.movie') as moive,
get_json_object(line,'$.rate') as rate,
get_json_object(line,'$.timeStamp') as unixtime,
get_json_object(line,'$.uid') as userid
from rate_json;

6、企業三大面試題

6.1、最大值&累計值

(1)需求描述

  • 原始表
#用戶名,月份,訪問次數
A,2015-01,5
A,2015-01,15
B,2015-01,5
A,2015-01,8
B,2015-01,25
A,2015-01,5
A,2015-02,4
A,2015-02,6
B,2015-02,10
B,2015-02,5
A,2015-03,16
A,2015-03,22
B,2015-03,23
B,2015-03,10
B,2015-03,11
  • 報表產出
#每個用戶截止到每月為止的最大單月訪問次數和累計到該月的總訪問次數
A 1 20 20 20
A 2 10 30 20
A 3 30 60 30
A 4 50 110 50
.....
B 1 2 2
B 2 10 12
B 3 20 32
B 4 50 82

(2)代碼實作

  • 第一步:先統計每個人的每個月的PV
  • 第二步:之后通過分析函式每個用戶截止到每月為止的最大單月訪問次數和累計到該月的總訪問次數,平均單月訪問量,最小單月訪問量
select
	a.name,
	a.month,
	a.pv,
	sum(a.pv) over (partition by a.name order by a.month rows between 	unbounded preceding and current row) as sumpv,
	max(a.pv) over (partition by a.name order by a.month rows between unbounded preceding and current row) as maxpv,
	min(a.pv) over (partition by a.name order by a.month rows between unbounded preceding and current row) as minpv,
	avg(a.pv) over (partition by a.name order by a.month rows between unbounded preceding and current row) as avgpv
from
(select b.name as name, b.month as month, sum(b.pv) as pv from exercise_pv b
group by b.name, b.month) a;
6.2、行列轉換

(1)行轉列

  • 作用:本身回傳一張虛擬表,使用later view可直接關聯兩張表,保持原有映射關系,
# Map資料進行行轉列
select
t1.uid
,t2.key
,t2.value
from t1
later view explode(map(
'c1',c1,
'c2',c2,
'c3',c3
)) t2 as key,value

# 字串資料進行行轉列
select s.name,temp.x from s later view explode(split('score',',')) temp as x

(2)列轉行

  • 作用:將多行資料融為一行
str_to_map(concat_ws(','collect_set(':',key_clm,value_clm))))
select
uid
,kv['c1'] as c1
,kv['c2'] as c2
,kv['c3'] as c3
from(
select
uid
,str_to_map(concat_ws(','collect_set(':',key_clm,value_clm)))) kv
from vtable
group by uid
) temp
6.3、TopN實作

(1)需求描述

  • 源表資料
#id,name,age,favors
#id,姓名,年齡,愛好

1,huangxiaoming,45,a-c-d-f
2,huangzitao,36,b-c-d-e
3,huanglei,41,c-d-e
4,liushishi,22,a-d-e
5,liudehua,39,e-f-d
6,liuyifei,35,a-d-e
  • 報表產出
#求出每種愛好中,年齡最大的兩個人(愛好,年齡,姓名)注意思考一個問題:如果某個愛好中的第二大年齡有多個相同的怎么辦?
a huangxiaoming 45
a liuyifei 35
b huangzitao 36
c huangixaoming 45
c huanglei 41

(2)代碼實作

  • 思路總結:
    • 1、explode() + lateral view
    • 2、求TopN + row_number()
from
(
select b.id, b.name, b.age, b.favor,
row_number() over (partition by b.favor order by b.age desc) as rank
from
(
select a.id as id, a.name as name, a.age as age, favor_view.favor
from exercise_topn a
LATERAL VIEW explode(split(a.favors, "-")) favor_view as favor
) b
) c
where c.rank <= 2;

轉載請註明出處,本文鏈接:https://www.uj5u.com/qita/436401.html

標籤:其他

上一篇:python繪制混淆矩陣(2s-AGCN結果分析)

下一篇:Kafka學習筆記 --- Kafka的TimingWheel時間輪/調度筆記

標籤雲
其他(157675) Python(38076) JavaScript(25376) Java(17977) C(15215) 區塊鏈(8255) C#(7972) AI(7469) 爪哇(7425) MySQL(7132) html(6777) 基礎類(6313) sql(6102) 熊猫(6058) PHP(5869) 数组(5741) R(5409) Linux(5327) 反应(5209) 腳本語言(PerlPython)(5129) 非技術區(4971) Android(4554) 数据框(4311) css(4259) 节点.js(4032) C語言(3288) json(3245) 列表(3129) 扑(3119) C++語言(3117) 安卓(2998) 打字稿(2995) VBA(2789) Java相關(2746) 疑難問題(2699) 细绳(2522) 單片機工控(2479) iOS(2429) ASP.NET(2402) MongoDB(2323) 麻木的(2285) 正则表达式(2254) 字典(2211) 循环(2198) 迅速(2185) 擅长(2169) 镖(2155) 功能(1967) .NET技术(1958) Web開發(1951) python-3.x(1918) HtmlCss(1915) 弹簧靴(1913) C++(1909) xml(1889) PostgreSQL(1872) .NETCore(1853) 谷歌表格(1846) Unity3D(1843) for循环(1842)

熱門瀏覽
  • 網閘典型架構簡述

    網閘架構一般分為兩種:三主機的三系統架構網閘和雙主機的2+1架構網閘。 三主機架構分別為內端機、外端機和仲裁機。三機無論從軟體和硬體上均各自獨立。首先從硬體上來看,三機都用各自獨立的主板、記憶體及存盤設備。從軟體上來看,三機有各自獨立的作業系統。這樣能達到完全的三機獨立。對于“2+1”系統,“2”分為 ......

    uj5u.com 2020-09-10 02:00:44 more
  • 如何從xshell上傳檔案到centos linux虛擬機里

    如何從xshell上傳檔案到centos linux虛擬機里及:虛擬機CentOs下執行 yum -y install lrzsz命令,出現錯誤:鏡像無法找到軟體包 前言 一、安裝lrzsz步驟 二、上傳檔案 三、遇到的問題及解決方案 總結 前言 提示:其實很簡單,往虛擬機上安裝一個上傳檔案的工具 ......

    uj5u.com 2020-09-10 02:00:47 more
  • 一、SQLMAP入門

    一、SQLMAP入門 1、判斷是否存在注入 sqlmap.py -u 網址/id=1 id=1不可缺少。當注入點后面的引數大于兩個時。需要加雙引號, sqlmap.py -u "網址/id=1&uid=1" 2、判斷文本中的請求是否存在注入 從文本中加載http請求,SQLMAP可以從一個文本檔案中 ......

    uj5u.com 2020-09-10 02:00:50 more
  • Metasploit 簡單使用教程

    metasploit 簡單使用教程 浩先生, 2020-08-28 16:18:25 分類專欄: kail 網路安全 linux 文章標簽: linux資訊安全 編輯 著作權 metasploit 使用教程 前言 一、Metasploit是什么? 二、準備作業 三、具體步驟 前言 Msfconsole ......

    uj5u.com 2020-09-10 02:00:53 more
  • 游戲逆向之驅動層與用戶層通訊

    驅動層代碼: #pragma once #include <ntifs.h> #define add_code CTL_CODE(FILE_DEVICE_UNKNOWN,0x800,METHOD_BUFFERED,FILE_ANY_ACCESS) /* 更多游戲逆向視頻www.yxfzedu.com ......

    uj5u.com 2020-09-10 02:00:56 more
  • 北斗電力時鐘(北斗授時服務器)讓網路資料更精準

    北斗電力時鐘(北斗授時服務器)讓網路資料更精準 北斗電力時鐘(北斗授時服務器)讓網路資料更精準 京準電子科技官微——ahjzsz 近幾年,資訊技術的得了快速發展,互聯網在逐漸普及,其在人們生活和生產中都得到了廣泛應用,并且取得了不錯的應用效果。計算機網路資訊在電力系統中的應用,一方面使電力系統的運行 ......

    uj5u.com 2020-09-10 02:01:03 more
  • 【CTF】CTFHub 技能樹 彩蛋 writeup

    ?碎碎念 CTFHub:https://www.ctfhub.com/ 筆者入門CTF時時剛開始刷的是bugku的舊平臺,后來才有了CTFHub。 感覺不論是網頁UI設計,還是題目質量,賽事跟蹤,工具軟體都做得很不錯。 而且因為獨到的金幣制度的確讓人有一種想去刷題賺金幣的感覺。 個人還是非常喜歡這個 ......

    uj5u.com 2020-09-10 02:04:05 more
  • 02windows基礎操作

    我學到了一下幾點 Windows系統目錄結構與滲透的作用 常見Windows的服務詳解 Windows埠詳解 常用的Windows注冊表詳解 hacker DOS命令詳解(net user / type /md /rd/ dir /cd /net use copy、批處理 等) 利用dos命令制作 ......

    uj5u.com 2020-09-10 02:04:18 more
  • 03.Linux基礎操作

    我學到了以下幾點 01Linux系統介紹02系統安裝,密碼啊破解03Linux常用命令04LAMP 01LINUX windows: win03 8 12 16 19 配置不繁瑣 Linux:redhat,centos(紅帽社區版),Ubuntu server,suse unix:金融機構,證券,銀 ......

    uj5u.com 2020-09-10 02:04:30 more
  • 05HTML

    01HTML介紹 02頭部標簽講解03基礎標簽講解04表單標簽講解 HTML前段語言 js1.了解代碼2.根據代碼 懂得挖掘漏洞 (POST注入/XSS漏洞上傳)3.黑帽seo 白帽seo 客戶網站被黑帽植入劫持代碼如何處理4.熟悉html表單 <html><head><title>TDK標題,描述 ......

    uj5u.com 2020-09-10 02:04:36 more
最新发布
  • 2023年最新微信小程式抓包教程

    01 開門見山 隔一個月發一篇文章,不過分。 首先回顧一下《微信系結手機號資料庫被脫庫事件》,我也是第一時間得知了這個訊息,然后跟蹤了整件事情的經過。下面是這起事件的相關截圖以及近日流出的一萬條資料樣本: 個人認為這件事也沒什么,還不如關注一下之前45億快遞資料查詢渠道疑似在近日復活的訊息。 訊息是 ......

    uj5u.com 2023-04-20 08:48:24 more
  • web3 產品介紹:metamask 錢包 使用最多的瀏覽器插件錢包

    Metamask錢包是一種基于區塊鏈技術的數字貨幣錢包,它允許用戶在安全、便捷的環境下管理自己的加密資產。Metamask錢包是以太坊生態系統中最流行的錢包之一,它具有易于使用、安全性高和功能強大等優點。 本文將詳細介紹Metamask錢包的功能和使用方法。 一、 Metamask錢包的功能 數字資 ......

    uj5u.com 2023-04-20 08:47:46 more
  • vulnhub_Earth

    前言 靶機地址->>>vulnhub_Earth 攻擊機ip:192.168.20.121 靶機ip:192.168.20.122 參考文章 https://www.cnblogs.com/Jing-X/archive/2022/04/03/16097695.html https://www.cnb ......

    uj5u.com 2023-04-20 07:46:20 more
  • 從4k到42k,軟體測驗工程師的漲薪史,給我看哭了

    清明節一過,盲猜大家已經無心上班,在數著日子準備過五一,但一想到銀行卡里的余額……瞬間心情就不美麗了。最近,2023年高校畢業生就業調查顯示,本科畢業月平均起薪為5825元。調查一出,便有很多同學表示自己又被平均了。看著這一資料,不免讓人想到前不久中國青年報的一項調查:近六成大學生認為畢業10年內會 ......

    uj5u.com 2023-04-20 07:44:00 more
  • 最新版本 Stable Diffusion 開源 AI 繪畫工具之中文自動提詞篇

    🎈 標簽生成器 由于輸入正向提示詞 prompt 和反向提示詞 negative prompt 都是使用英文,所以對學習母語的我們非常不友好 使用網址:https://tinygeeker.github.io/p/ai-prompt-generator 這個網址是為了讓大家在使用 AI 繪畫的時候 ......

    uj5u.com 2023-04-20 07:43:36 more
  • 漫談前端自動化測驗演進之路及測驗工具分析

    隨著前端技術的不斷發展和應用程式的日益復雜,前端自動化測驗也在不斷演進。隨著 Web 應用程式變得越來越復雜,自動化測驗的需求也越來越高。如今,自動化測驗已經成為 Web 應用程式開發程序中不可或缺的一部分,它們可以幫助開發人員更快地發現和修復錯誤,提高應用程式的性能和可靠性。 ......

    uj5u.com 2023-04-20 07:43:16 more
  • CANN開發實踐:4個DVPP記憶體問題的典型案例解讀

    摘要:由于DVPP媒體資料處理功能對存放輸入、輸出資料的記憶體有更高的要求(例如,記憶體首地址128位元組對齊),因此需呼叫專用的記憶體申請介面,那么本期就分享幾個關于DVPP記憶體問題的典型案例,并給出原因分析及解決方法。 本文分享自華為云社區《FAQ_DVPP記憶體問題案例》,作者:昇騰CANN。 DVPP ......

    uj5u.com 2023-04-20 07:43:03 more
  • msf學習

    msf學習 以kali自帶的msf為例 一、msf核心模塊與功能 msf模塊都放在/usr/share/metasploit-framework/modules目錄下 1、auxiliary 輔助模塊,輔助滲透(埠掃描、登錄密碼爆破、漏洞驗證等) 2、encoders 編碼器模塊,主要包含各種編碼 ......

    uj5u.com 2023-04-20 07:42:59 more
  • Halcon軟體安裝與界面簡介

    1. 下載Halcon17版本到到本地 2. 雙擊安裝包后 3. 步驟如下 1.2 Halcon軟體安裝 界面分為四大塊 1. Halcon的五個助手 1) 影像采集助手:與相機連接,設定相機引數,采集影像 2) 標定助手:九點標定或是其它的標定,生成標定檔案及內參外參,可以將像素單位轉換為長度單位 ......

    uj5u.com 2023-04-20 07:42:17 more
  • 在MacOS下使用Unity3D開發游戲

    第一次發博客,先發一下我的游戲開發環境吧。 去年2月份買了一臺MacBookPro2021 M1pro(以下簡稱mbp),這一年來一直在用mbp開發游戲。我大致分享一下我的開發工具以及使用體驗。 1、Unity 官網鏈接: https://unity.cn/releases 我一般使用的Apple ......

    uj5u.com 2023-04-20 07:40:19 more