Apache Hive安装部署详细图文教程

Stars.Sky2023-09-24 6:08

目录

[一、Apache Hive 元数据](#一、Apache Hive 元数据)

[1.1 Hive Metadata](#1.1 Hive Metadata)

[1.2 Hive Metastore](#1.2 Hive Metastore)

[二、Metastore 三种配置方式](#二、Metastore 三种配置方式)

[​2.1 内嵌模式](#2.1 内嵌模式)

[​2.2 本地模式](#2.2 本地模式)

[​2.3 远程模式](#2.3 远程模式)

[​三、Hive 部署实战](#三、Hive 部署实战)

[3.1 安装前准备](#3.1 安装前准备)

[3.2 Hadoop 与 Hive 整合](#3.2 Hadoop 与 Hive 整合)

[3.3 远程模式安装](#3.3 远程模式安装)

[3.3.1 安装 MySQL](#3.3.1 安装 MySQL)

[3.3.2 Hive 安装](#3.3.2 Hive 安装)

[3.4 启动 Hive 服务](#3.4 启动 Hive 服务)

[3.4.1 前台启动（不推荐）](#3.4.1 前台启动（不推荐）)

[3.4.2 后台启动（推荐）](#3.4.2 后台启动（推荐）)

[四、Apache Hive 客户端使用](#四、Apache Hive 客户端使用)

[4.1 bin/hive、bin/beeline](#4.1 bin/hive、bin/beeline)

[4.2 HiveServer、HiveServer2 服务](#4.2 HiveServer、HiveServer2 服务)

[4.3 关系梳理](#4.3 关系梳理)

[4.4 bin/hive 客户端使用](#4.4 bin/hive 客户端使用)

[4.5 bin/beeline 客户端使用](#4.5 bin/beeline 客户端使用)

[五、Apache Hive 初体验](#五、Apache Hive 初体验)

[5.1 体验 1：Hive 使用起来和 MySQL 差不多吗？](#5.1 体验 1：Hive 使用起来和 MySQL 差不多吗？)

[5.1.1 背景](#5.1.1 背景)

[5.1.2 过程](#5.1.2 过程)

[5.1.3 验证](#5.1.3 验证)

[​5.1.4 结论](#5.1.4 结论)

[5.2 体验 2：Hive 如何才能将结构化数据映射成为表？](#5.2 体验 2：Hive 如何才能将结构化数据映射成为表？)

[5.2.1 背景](#5.2.1 背景)

[5.2.2 过程](#5.2.2 过程)

[5.2.3 验证](#5.2.3 验证)

[5.2.4 结论](#5.2.4 结论)

[5.3 体验 3：使用 Hive 进行小数据分析如何？](#5.3 体验 3：使用 Hive 进行小数据分析如何？)

[5.3.1 背景](#5.3.1 背景)

[5.3.2 过程](#5.3.2 过程)

[5.3.3 验证](#5.3.3 验证)

[5.3.5 结论](#5.3.5 结论)

一、Apache Hive****元数据

1.1****Hive Metadata

元数据（Metadata），又称中介数据、中继数据，为描述数据的数据（data about data），主要是描述数据属性（property）的信息，用来支持如指示存储位置、历史数据、资源查找、文件记录等功能。

Hive Metadata即Hive的元数据。包含用 Hive 创建的 database、table、表的位置、类型、属性，字段顺序类型等元信息。元数据存储在关系型数据库中。如 hive 内置的 Derby、或者第三方如 MySQL 等。

1.2 Hive Metastore

Metastore 即元数据服务。Metastore 服务的作用是管理 metadata 元数据，对外暴露服务地址，让各种客户端通过连接 metastore 服务，由 metastore 再去连接 MySQL 数据库来存取元数据。

有了 metastore 服务，就可以有多个客户端同时连接，而且这些客户端不需要知道 MySQL 数据库的用户名和密码，只需要连接 metastore 服务即可。某种程度上也保证了 hive 元数据的安全。

二、Metastore 三种****配置方式

metastore 服务配置有 3 种模式：内嵌模式、本地模式、远程模式。区分 3 种配置方式的关键是弄清楚两个问题：

  1. Metastore 服务是否需要单独配置、单独启动？

  2. Metadata 是存储在内置的 derby 中，还是第三方 RDBMS，比如 MySQL。

本此使用企业推荐模式--远程模式部署。

2.1 内嵌模式

内嵌模式（Embedded Metastore）是 metastore 默认部署模式。此种模式下，元数据存储在内置的 Derby 数据库，并且 Derby 数据库和 metastore 服务都嵌入在主 HiveServer 进程中，当启动 HiveServer 进程时，Derby 和 metastore 都会启动。不需要额外起 Metastore 服务。但是一次只能支持一个活动用户，适用于测试体验，不适用于生产环境。

2.2 本地****模式

本地模式（Local Metastore）下，Metastore 服务与主 HiveServer 进程在同一进程中运行，但是存储元数据的数据库在单独的进程中运行，并且可以在单独的主机上。metastore 服务将通过 JDBC 与 metastore 数据库进行通信。

本地模式采用外部数据库来存储元数据，推荐使用 MySQL。hive 根据 hive.metastore.uris 参数值来判断，如果为空，则为本地模式。缺点是：每启动一次 hive 服务，都内置启动了一个 metastore。

2.3 远程****模式

远程模式（Remote Metastore）下，Metastore 服务在其自己的单独 JVM 上运行，而不在 HiveServer 的 JVM 中运行。如果其他进程希望与 Metastore 服务器通信，则可以使用 Thrift Network API 进行通信。

远程模式下，需要配置 hive.metastore.uris 参数来指定 metastore 服务运行的机器 ip 和端口，并且需要单独手动启动 metastore 服务。元数据也采用外部数据库来存储元数据，推荐使用 MySQL。

在生产环境中，建议用远程模式来配置 Hive Metastore。在这种情况下，其他依赖 hive 的软件都可以通过 Metastore 访问 hive。由于还可以完全屏蔽数据库层，因此这也带来了更好的可管理性/安全性。

三、Hive****部署实战

3.1 安装前准备

由于 Apache Hive 是一款基于 Hadoop 的数据仓库软件，通常部署运行在 Linux 系统之上。因此不管使用何种方式配置 Hive Metastore，必须要先保证服务器的基础环境正常，Hadoop 集群健康可用。

**服务器****基础环境：**集群时间同步、防火墙关闭、主机 Host 映射、免密登录、JDK 安装等。

**Hadoop****集群健康可用：**启动 Hive 之前必须先启动 Hadoop 集群。特别要注意，需等待 HDFS 安全模式关闭之后再启动运行 Hive。

Hive 不是分布式安装运行的软件，其分布式的特性主要借由 Hadoop 完成。包括分布式存储、分布式计算。

本次是基于该 Hadoop 集群上部署 Hive：Hadoop YARN HA 集群安装部署详细图文教程_Stars.Sky的博客-CSDN博客

3.2 Hadoop与Hive****整合

因为 Hive 需要把数据存储在 HDFS 上，并且通过 MapReduce 作为执行引擎处理数据；因此需要在 Hadoop 中添加相关配置属性，以满足 Hive 在 Hadoop 上运行。修改 Hadoop 中 core-site.xml，并且 Hadoop 集群同步配置文件，重启生效。

(base) [root@hadoop01 ~]# cd /bigdata/hadoop/server/hadoop-3.2.4/etc/hadoop/
(base) [root@hadoop01 /bigdata/hadoop/server/hadoop-3.2.4/etc/hadoop]# vim core-site.xml
<!-- 整合 hive -->
<property>
    <name>hadoop.proxyuser.root.hosts</name>
    <value>*</value>
</property>
<property>
    <name>hadoop.proxyuser.root.groups</name>
    <value>*</value>
</property>

3.3 远程模式安装

远程模式最大的特点有两个：

  1. 需要安装 MySQL 来存储 Hive 元数据；

  2. 需要手动单独配置启动 Metastore 服务。

3.3.1 安装 MySQL

本次安装 MySQL 5.7 版本：Linux 部署 JDK+MySQL+Tomcat 详细过程_linux上 tomcat 连接mysql_Stars.Sky的博客-CSDN博客

3.3.2 Hive 安装

Hive 官方下载地址：Index of /hive/hive-3.1.2

mysql-connector-java-5.1.32.jar 官方下载地址：MySQL :: Download MySQL Connector/J (Archived Versions)

第三方下载地址：mysql-connector-java-5.1.32.jar下载及Maven、Gradle引入代码，pom文件及包内class -时代Java

#1. 解压安装包
(base) [root@hadoop01 ~]# tar -zxvf apache-hive-3.1.2-bin.tar.gz -C /bigdata/
(base) [root@hadoop01 ~]# mv /bigdata/apache-hive-3.1.2-bin/ /bigdata/apache-hive-3.1.2

#2. 解决 hadoop、hive 之间 guava 版本差异
(base) [root@hadoop01 ~]# cd /bigdata/apache-hive-3.1.2/
(base) [root@hadoop01 /bigdata/apache-hive-3.1.2]# rm -rf lib/guava-19.0.jar 
(base) [root@hadoop01 /bigdata/apache-hive-3.1.2]# cp /bigdata/hadoop/server/hadoop-3.2.4/share/hadoop/common/lib/guava-27.0-jre.jar ./lib/

#3. 添加 mysql jdbc 驱动到 hive 安装包 lib/ 文件下
(base) [root@hadoop01 /bigdata/apache-hive-3.1.2/lib]# pwd
/bigdata/apache-hive-3.1.2/lib
(base) [root@hadoop01 /bigdata/apache-hive-3.1.2/lib]# mv mysql-connector-java-5.1.32-bin.jar mysql-connector-java-5.1.32.jar 
(base) [root@hadoop01 /bigdata/apache-hive-3.1.2/lib]# ls mysql-connector-java-5.1.32.jar 
mysql-connector-java-5.1.32.jar

#4. 修改 hive 环境变量文件，添加 Hadoop_HOME
(base) [root@hadoop01 ~]# cd /bigdata/apache-hive-3.1.2/conf/
(base) [root@hadoop01 /bigdata/apache-hive-3.1.2/conf]# mv hive-env.sh.template hive-env.sh
(base) [root@hadoop01 /bigdata/apache-hive-3.1.2/conf]# vim hive-env.sh
export HADOOP_HOME=/bigdata/hadoop/server/hadoop-3.2.4
export HIVE_CONF_DIR=/bigdata/apache-hive-3.1.2/conf
export HIVE_AUX_JARS_PATH=/bigdata/apache-hive-3.1.2/lib

#5. 新增 hive-site.xml 配置 mysql 等相关信息
(base) [root@hadoop01 /bigdata/apache-hive-3.1.2/conf]# vim hive-site.xml
<configuration>
    <!-- 存储元数据 mysql 相关配置 -->
    <property>
        <name>javax.jdo.option.ConnectionURL</name>
        <value> jdbc:mysql://hadoop01:3306/hive?createDatabaseIfNotExist=true&amp;useSSL=false&amp;useUnicode=true&amp;characterEncoding=UTF-8</value>
    </property>

    <property>
        <name>javax.jdo.option.ConnectionDriverName</name>
        <value>com.mysql.jdbc.Driver</value>
    </property>

    <!-- mysql 用户 -->
    <property>
        <name>javax.jdo.option.ConnectionUserName</name>
        <value>root</value>
    </property>

    <!-- mysql 密码 -->
    <property>
        <name>javax.jdo.option.ConnectionPassword</name>
        <value>qwe123456</value>
    </property>

    <!-- H2S 运行绑定 host -->
    <property>
        <name>hive.server2.thrift.bind.host</name>
        <value>hadoop01</value>
    </property>

    <!-- 远程模式部署 metastore 服务地址 -->
    <property>
        <name>hive.metastore.uris</name>
        <value>thrift://hadoop01:9083</value>
    </property>

    <!-- 关闭元数据存储授权  -->
    <property>
        <name>hive.metastore.event.db.notification.api.auth</name>
        <value>false</value>
    </property>

    <!-- 关闭元数据存储版本的验证 -->
    <property>
        <name>hive.metastore.schema.verification</name>
        <value>false</value>
    </property>
</configuration>

#6. 初始化 metadata，初始化成功会在 mysql 中创建 74 张表
(base) [root@hadoop01 ~]# cd /bigdata/apache-hive-3.1.2/
(base) [root@hadoop01 /bigdata/apache-hive-3.1.2]# bin/schematool -initSchema -dbType mysql -verbos

3.4 启动 Hive 服务

提前启动 hadoop 集群！！！

3.4.1 前台启动（不推荐）

关闭 ctrl+c

(base) [root@hadoop01 ~]# /bigdata/apache-hive-3.1.2/bin/hive --service metastore
 
# 前台启动开启 debug 日志
/bigdata/apache-hive-3.1.2/bin/hive --service metastore --hiveconf hive.root.logger=DEBUG,console

3.4.2 后台启动（推荐）

关闭使用 jps + kill

(base) [root@hadoop01 /bigdata/apache-hive-3.1.2]# nohup /bigdata/apache-hive-3.1.2/bin/hive --service metastore &

(base) [root@hadoop01 /bigdata/apache-hive-3.1.2]# jps
3347 QuorumPeerMain
3830 DataNode
5018 NodeManager
3643 NameNode
4827 ResourceManager
4412 DFSZKFailoverController
5676 Jps
4157 JournalNode
5549 RunJar

四、Apache Hive 客户端使用

4.1 bin/hive**、**bin/beeline

Hive 发展至今，总共历经了两代客户端工具。

第一代客户端（deprecated 不推荐使用）：$HIVE_HOME/bin/hive，是一个 shell Util。主要功能：一是可用于以交互或批处理模式运行 Hive 查询；二是用于 Hive 相关服务的启动，比如 metastore 服务。

第二代客户端（recommended 推荐使用）：$HIVE_HOME**/bin/beeline**，是一个 JDBC 客户端，是官方强烈推荐使用的 Hive 命令行工具，和第一代客户端相比，性能加强安全性提高。

Beeline 在嵌入式模式和远程模式下均可工作。在嵌入式模式下，它运行嵌入式 Hive(类似于Hive Client)；而远程模式下 beeline 通过 Thrift 连接到单独的 HiveServer2 服务上，这也是官方推荐在生产环境中使用的模式。那么问题来了，HiveServer2 是什么？HiveServer1 哪里去了？

4.2 HiveServer**、HiveServer2服务**

HiveServer、HiveServer2 都是 Hive 自带的两种服务，允许客户端在不启动 CLI（命令行）的情况下对 Hive 中的数据进行操作，且两个都允许远程客户端使用多种编程语言如 java，python 等向 hive 提交请求，取回结果。

但是，HiveServer 不能处理多于一个客户端的并发请求。因此在 Hive-0.11.0 版本中重写了 HiveServer 代码得到了 HiveServer2，进而解决了该问题。HiveServer 已经被废弃。HiveServer2支持多客户端的并发和身份认证，旨在为开放API客户端如JDBC**、ODBC提供更好的支持**。

4.3 关系梳理

HiveServer2 通过 Metastore 服务读写元数据。所以在远程模式下，启动HiveServer2之前必须先首先启动****metastore服务。

特别注意：远程模式下，Beeline 客户端只能通过 HiveServer2 服务访问 Hive。而 bin/hive 是通过 Metastore 服务访问的。具体关系如下：

4.4 bin/hive****客户端使用

在 hive 安装包的 bin 目录下，有 hive 提供的第一代客户端 bin/hive。该客户端可以访问 hive的 metastore 服务，从而达到操作 hive 的目的。

友情提示：如果您是远程模式部署，请手动启动运行 metastore 服务。如果是内嵌模式和本地模式，直接运行 bin/hive，metastore 服务会内嵌一起启动。可以直接在启动 Hive metastore 服务的机器上使用 bin/hive 客户端操作，此时不需要进行任何配置。

如果需要在其他机器上通过 bin/hive 访问 hive metastore 服务，只需要把 hadoop01 上的 hive 安装目录 scp 发送到其他机器上，并在该机器的 hive-site.xml 配置中添加 metastore 服务地址即可。

(base) [root@hadoop01 /bigdata]# scp -r apache-hive-3.1.2 hadoop02:$PWD

# 到 hadoop02 上操作
(base) [root@hadoop02 ~]# vim /bigdata/apache-hive-3.1.2/conf/hive-site.xml 
<configuration>
<property>
    <name>hive.metastore.uris</name>
    <value>thrift://hadoop01:9083</value>
</property>
</configuration>

# 启动 metastore 服务
(base) [root@hadoop01 /bigdata/apache-hive-3.1.2]# nohup /bigdata/apache-hive-3.1.2/bin/hive --service metastore &

# hadoop02 上连接客户端
(base) [root@hadoop02 ~]# /bigdata/apache-hive-3.1.2/bin/hive

4.5 bin/beeline****客户端使用

hive 经过发展，推出了第二代客户端 beeline，但是 beeline 客户端不是直接访问 metastore 服务的，而是需要单独启动 hiveserver2 服务。在 hive 安装的服务器上，首先启动 metastore 服务，然后启动 hiveserver2 服务。

# 先启动 metastore 服务然后启动 hiveserver2 服务
nohup /bigdata/apache-hive-3.1.2/bin/hive --service metastore &
nohup /bigdata/apache-hive-3.1.2/bin/hive --service hiveserver2 &

在 hadoop02 上使用 beeline 客户端进行连接访问。需要注意 hiveserver2 服务启动之后需要稍等一会才可以对外提供服务。

Beeline 是 JDBC 的客户端，通过 JDBC 协议和 Hiveserver2 服务进行通信，协议的地址是：jdbc:hive2://hadoop01:10000

(base) [root@hadoop02 ~]# /bigdata/apache-hive-3.1.2/bin/beeline 
beeline> ! connect jdbc:hive2://hadoop01:10000
Connecting to jdbc:hive2://hadoop01:10000
Enter username for jdbc:hive2://hadoop01:10000: root
Enter password for jdbc:hive2://hadoop01:10000:

五、Apache Hive 初体验

5.1 体验1：Hive使用起来和MySQL差不多吗**？**

5.1.1 背景

对于初次接触 Apache Hive 的人来说，最大的疑惑就是：Hive 从数据模型看起来和关系型数据库 MySQL 等好像。包括 Hive SQL 也是一种类 SQL 语言。那么实际使用起来如何？

5.1.2 过程

体验步骤：按照 mysql 的思维，在 hive 中创建、切换数据库，创建表并执行插入数据操作，最后查询是否插入成功。

--创建数据库
create database test;
--列出所有数据库
show databases;
--切换数据库
use test;

--建表
create table t_student(id int,name varchar(255));
--插入一条数据
insert into table t_student values(1,"allen");
--查询表数据
select * from t_student;

在执行插入数据的时候，发现插入速度极慢，sql 执行时间很长，为什么？

最终插入一条数据，历史 98****秒的时间。查询表数据，显示数据插入成功：

查询表数据，显示数据插入成功。

5.1.3 验证

首先登陆 Hadoop YARN 上观察是否有 MapReduce 任务执行痕迹。 YARN Web UI：http://hadoop01:8088/cluster

然后登陆 Hadoop HDFS 浏览文件系统，根据 Hive 的数据模型，表的数据最终是存储在 HDFS 和表对应的文件夹下的。

HDFS Web UI: http://hadoop01:9870/

5.1.4 结论

  • Hive SQL 语法和标准 SQL 很类似，使得学习成本降低不少。
  • Hive 底层是通过 MapReduce 执行的数据插入动作，所以速度慢。
  • 如果大数据集这么一条一条插入的话是非常不现实的，成本极高。
  • Hive 应该具有自己特有的数据插入表方式，结构化文件映射成为表。

5.2 体验2：Hive如何****才能将结构化数据映射成为表？

5.2.1 背景

在 Hive 中，使用 insert+values 语句插入数据，底层是通过 MapReduce 执行的，效率十分低下。此时回到 Hive 的本质上：可以将结构化的数据文件映射成为一张表，并提供基于表的 SQL 查询分析。

假如，现在有一份结构化的数据文件，如何才能映射成功呢？在映射成功的过程中需要注意哪些问题？文件存储路径？字段类型？字段顺序？字段之间分隔符？

5.2.2 过程

在 HDFS 根目录下创建一个结构化数据文件 user.txt，里面内容如下：

(base) [root@hadoop01 /bigdata/apache-hive-3.1.2]# vim user.txt
1,zhangsan,18,beijing
2,lisi,25,shanghai
3,allen,30,shanghai
4,woon,15,nanjing
5,james,45,hangzhou
6,tony,26,beijing

(base) [root@hadoop01 /bigdata/apache-hive-3.1.2]# hadoop fs -put user.txt /

在 hive 中创建一张表 t_user。注意：字段的类型顺序要和文件中字段保持一致。

create table t_user(id int,name varchar(255),age int,city varchar(255));

5.2.3 验证

执行数据查询操作，发现表中并没有数据。猜想****1：难道数据文件要放置在表对应的 HDFS 路径下才可以成功？使用 HDFS 命令将数据移动到表对应的路径下。

(base) [root@hadoop01 /bigdata/apache-hive-3.1.2]# hadoop fs -mv /user.txt /user/hive/warehouse/test.db/t_user
(base) [root@hadoop01 /bigdata/apache-hive-3.1.2]# hadoop fs -ls /user/hive/warehouse/test.db/t_user
Found 1 items
-rw-r--r--   3 root supergroup        117 2023-09-20 15:28 /user/hive/warehouse/test.db/t_user/user.txt

再次执行查询操作，显示如下，都是 null：

好像表感知到结构化文件的存在，但是并没有正确识别文件中的数据。猜想****2：还需要指定文件中字段之间的分隔符？重建张新表，指定分隔符。

--建表语句 增加分隔符指定语句
create table t_user_1(id int,name varchar(255),age int,city varchar(255))
row format delimited
fields terminated by ',';

# 把 user.txt 文件从本地文件系统上传到 hdfs
hadoop fs -put user.txt /user/hive/warehouse/test.db/t_user_1/

--执行查询操作
select * from t_user_1;

此时再创建一张表，保存分隔符语法，但是故意使得字段类型和文件中不一致。

--建表语句 增加分隔符指定语句
create table t_user_2(id int,name int,age varchar(255),city varchar(255))
row format delimited
fields terminated by ',';

# 把 user.txt 文件从本地文件系统上传到hdfs
hadoop fs -put user.txt /user/hive/warehouse/test.db/t_user_2/

--执行查询操作
select * from t_user_2;

此时发现，有的列显示 null，有的列显示正常。name 字段本身是字符串，但是建表的时候指定 int，类型转换不成功；age 是数值类型，建表指定字符串类型，可以转换成功。说明 hive 中具有自带的类型转换功能，但是不一定保证转换成功。

5.2.4 结论

要想在 hive 中创建表跟结构化文件映射成功，需要注意以下几个方面问题：

  • 创建****表时，字段顺序、字段类型要和文件中保持一致。

  • 如果类型不一致，hive 会尝试转换，但是不保证转换成功。不成功显示 null。

  • 文件好像要放置在 Hive 表对应的 HDFS 目录下，其他路径可以吗？ 值得探讨。

  • 建表的时候好像要根据文件内容指定分隔符，不指定可以吗？值得探讨。

5.3 体验3：使用Hive进行****小数据分析如何？

5.3.1 背景

因为 Hive 是基于 HDFS 进行文件的存储，所以理论上能够支持的数据存储规模很大，天生适合大数据分析。假如 Hive 中的数据是小数据，再使用 Hive 开展分析效率如何呢？

5.3.2 过程

之前我们创建好了一张表 t_user_1，现在通过 Hive SQL 找出当中年龄大于 20 岁的有几个。

5.3.3 验证

--执行查询操作
select count(*) from t_user_1 where age > 20;

发现又是通过 MapReduce 程序执行的数据查询功能。

5.3.5 结论

  • Hive 底层的确是通过 MapReduce 执行引擎来处理数据的。

  • 执行完一个 MapReduce 程序需要的时间不短。

  • 如果是小数据集，使用 hive 进行分析将得不偿失，延迟很高。

  • 如果是大数据集，使用 hive 进行分析，底层 MapReduce 分布式计算，会很爽。

上一篇文章：Apache Hive 入门_Stars.Sky的博客-CSDN博客

相关推荐
天地风雷水火山泽25 分钟前
二百六十六、Hive——Hive的DWD层数据清洗、清洗记录、数据修复、数据补全
数据仓库·hive·hadoop
大数据深度洞察2 小时前
Hive企业级调优[2]—— 测试用表
数据仓库·hive·hadoop
lzhlizihang2 小时前
使用sqoop将mysql数据导入到hive报错ClassNotFoundException、Zero date value prohibited等错误
hive·报错·sqoop
goTsHgo2 小时前
Hive自定义函数——简单使用
大数据·hive·hadoop
江畔独步8 小时前
Hive内置集合函数-size,map_keys,map_values,sort_array,array_contains
数据仓库·hive·hadoop
天地风雷水火山泽8 小时前
二百六十五、Hive——目前Hive数仓各层表样例
数据仓库·hive·hadoop
棉花糖灬8 小时前
Hive常用函数
数据仓库·hive·hadoop
檀越剑指大厂1 天前
开源多场景问答社区论坛Apache Answer本地部署并发布至公网使用
开源·apache
nvd111 天前
Java ETL - Apache Beam 简介
java·apache·etl
热门推荐
01RAG 实践- Ollama+RagFlow 部署本地知识库02组基轨迹建模 GBTM的介绍与实现（Stata 或 R）032024年高教社杯数学建模国赛C题超详细解题思路分析04苍穹外卖面试总结05yolov8实战第五天——yolov8+ffmpg实时视频流检测并进行实时推流——（推流，保姆教学）06【2024数模国赛赛题思路公开】国赛B题思路丨附可运行代码丨无偿自提07Coze扣子平台完整体验和实践（附国内和国际版对比）08CCF-CSP认证考试 202406-3 文本分词 100分题解09【2024高教社杯全国大学生数学建模竞赛】B题 生产过程中的决策问题——解题思路 代码 论文10借助 LocatorJS ，快速定位本地代码