《PySpark大数据分析实战》-03.了解Hive

📋 博主简介

  • 💖 作者简介:大家好,我是wux_labs。😜
    热衷于各种主流技术,热爱数据科学、机器学习、云计算、人工智能。
    通过了TiDB数据库专员(PCTA)、TiDB数据库专家(PCTP)、TiDB数据库认证SQL开发专家(PCSD)认证。
    通过了微软Azure开发人员、Azure数据工程师、Azure解决方案架构师专家认证。
    对大数据技术栈Hadoop、Hive、Spark、Kafka等有深入研究,对Databricks的使用有丰富的经验。
  • 📝 个人主页:wux_labs,如果您对我还算满意,请关注一下吧~🔥
  • 📝 个人社区:数据科学社区,如果您是数据科学爱好者,一起来交流吧~🔥
  • 🎉 请支持我:欢迎大家 点赞👍+收藏⭐️+吐槽📝,您的支持是我持续创作的动力~🔥

《PySpark大数据分析实战》-03.了解Hive

《PySpark大数据分析实战》-03.了解Hive

前言

大家好!今天为大家分享的是《PySpark大数据分析实战》第1章第3节的内容:了解Hive。

了解Hive

Hadoop生态系统是为了处理大数据而产生的解决方案,MapReduce框架将计算作业切分为多个小单元分布到各个节点去执行,从而降低计算成本并提供高可扩展性。但是使用MapReduce进行数据处理分析的门槛是比较高的,需要学会使用Java根据MapReduce的API进行代码编写,这对不熟悉Java的开发人员、数据分析人员以及运维人员等人群来说门槛高、不易学。为了方便用户从现有的数据基础架构转移到Hadoop上来,Hive就诞生了。Hive是一个基于Hadoop的数据仓库工具,可以对存储在HDFS的数据集进行特殊查询和分析处理。Hive的学习门槛比较低,它提供了类似于关系型数据库SQL的查询语言HiveQL,通过HiveQL执行类SQL语句可以快速地实现简单的MapReduce统计,Hive底层会将HiveQL转换成MapReduce任务进行运行,用户不必开发MapReduce程序,非常适合数据仓库的统计分析。

在Hive中要完成WordCount程序,实现对单词出现次数的统计,首先需要在Hive中创建一张表,建表语句如下:

sql 复制代码
create table wordsTable(line String);

然后将文件内容load到Hive的表中,语句如下:

sql 复制代码
load data local inpath 'words.txt' into table wordsTable;

最后只需要执行一条SQL语句就可以完成对单词出现次数的统计,语句如下:

sql 复制代码
select word, count(1)
  from (select explode(split(line, ' ')) as word from wordsTable) tmp
 group by word;

结束语

好了,感谢大家的关注,今天就分享到这里了,更多详细内容,请阅读原书或持续关注专栏。

相关推荐
Asa121389 小时前
NBT|组学FDR控制:先看零分布,再选筛选规则
数据分析
大大大大晴天12 小时前
每天认识一个组件:VictoriaLogs
大数据
学长毕设15 小时前
基于SpringBoot 博物馆文物租赁及修复管理系统-附源码
大数据·数据库·spring boot
玖米GEO运营王总监17 小时前
成都AI数字人视频怎么批量生产?流程与合规标注
大数据·人工智能·音视频
龙腾AI白云19 小时前
数字孪生与计算机视觉:让机器看懂现场
大数据·数据库·机器学习·知识图谱·pygame
starzy199021 小时前
Structured Streaming 案例剖析:一个 8 万 QPS 实时大屏的完整落地与三次线上事故复盘
大数据·spark
大大大大晴天1 天前
浅聊维度建模中的星型模型与雪花模型
大数据
数字新视界1 天前
能耗管理系统提升企业能源效率的实践与展望
大数据·人工智能·数据中心·机房管理·模块化机房
大大大大晴天2 天前
别让金额越算越多:事实表与维度表设计避坑指南
大数据
如夏倾城2 天前
入侵检测系统(IDS)原理、部署模式与 IPS/防火墙对比
大数据·网络·人工智能·网络安全·云原生·架构·kubernetes