hive

hive 常驻集群：像 OSPF 一样在线，像 git 一样可信面向：要在多台机器上长期跑 agent 的人。读完你应该能回答三个问题：为什么还要一层集群？它什么时候说话算数？主节点挂了怎么办？

【大数据处理与分析】数据仓库Hive：09 Hive 编程实践【作者主页】Francek Chen 【专栏介绍】 ⌈ ⌈ ⌈大数据技术原理与应用 ⌋ ⌋ ⌋专栏系统介绍大数据的相关知识，分为大数据基础篇、大数据存储与管理篇、大数据处理与分析篇、大数据应用篇。内容包含大数据概述、大数据处理架构Hadoop、分布式文件系统HDFS、分布式数据库HBase、NoSQL数据库、云数据库、MapReduce、Hadoop再探讨、数据仓库Hive、Spark、流计算、Flink、图计算、数据可视化，以及大数据在互联网领域、生物医学领域的应用和大数据的其他应用。【GitCode

卡不等于分支：我用 TRAE 宝配合 Hive 跑三张任务卡的一天项目组有一套自建的 Hive，用来做任务发放与流转，网页端就能看板。它的基本单位是"卡"：一张卡就是一个任务，卡上写死执行契约——允许修改哪些 paths、verify 命令是什么、租约多久、失败策略怎么走。

【架构篇】双遍历 + 多栈协同：手撸 SQL 血缘引擎的架构思考在上一篇文章中，我们展示了 Hermes-SQL 最终的解析成果。但你可能不知道，刚接手 ANTLR4 的第一个星期，我差点因为一个极其反直觉的机制而放弃。

陈年老古董

ClickHouse 单机搭建记录最近需要 OLAP 场景验证，先搭建 ClickHouse 单机环境测试，整体部署难度不高，最容易踩坑的是端口冲突问题。使用一份卡口过车数据集在多款引擎上执行相同查询做对比，记录实操过程与使用感受。

陈年老古董

Spark 3.1.3 集群搭建 + Spark-SQL 整合 Hive 记录承接上一篇 ClickHouse 部署笔记，本文记录 Linux 环境 Spark 3.1.3 集群部署，包含 Standalone、On Yarn 两种调度模式，以及 Spark-SQL 对接 Hive 元数据的实操配置。

Hive 分区表存储与查询优化学习总结总体说明：本文起源于一个具体场景的推演——一张 Hive 表按天分区存日增量数据，每天不到 1000 条、30 个分区总共约 2000 条、十几 MB。从这个小场景出发，逐步梳理了 HDFS 文件存储机制、分区表的物理形态、小文件问题的真实边界，最终落到"日增量 + 周期性全量快照"的组合存储模式。核心收获是两条：一是性能问题必须钉住数据量级才有讨论价值，二是表结构设计本质上是在存储冗余与重建复杂度之间找平衡。

为什么既要 web.xml 又要 springmvc.xml？能不能只配一个？这两个文件不属于同一个层级，管的事情完全不同：它们的关系，类似“公司大门门禁登记”和“部门内部规章制度”：

Flink + Iceberg 批量失败复盘：一次超时如何变成 Hive Metastore 锁泄漏日期：2026-10-30本文是一次脱敏后的技术复盘，不包含业务名称、环境地址、凭据、库表名、作业名或数据内容。

hive —— 多机 AI Agent 协同的任务总线:分布式,多节点同时运行,保障不会宕机repo:https://github.com/skywalk163/hive状态：活跃开发中，按任务卡迭代，变更记在 CHANGELOG.md。 hive 是自包含的工具，没有并入任何其它项目。「光明（LightLang）」是一门独立的中文编程语言，与本项目无关——只是早期拿它的代码仓当过登记示例。

初识Hive（2）在上一篇博客中，我们学习了Hive的基础架构、安装搭建以及基础的DDL（数据定义）和DML（数据操作）。我们知道了如何建表、如何加载数据、如何写简单的SQL。

deepseek对skywalk163/hive 和hivecommons/hive 两个多机AI Agent任务调度项目的对比deepseek对skywalk163/hive 和hivecommons/hive 两个多机AI Agent任务调度项目的对比

【ambari管理下hdp2.6.5升级hive1.2.1-2.1.0-2.3.3】Ambari2.6.2+HDP2.6.5基础环境下，从ambari安装部署的hive的版本为1.2.1，而hdp2.6.5的官网支持包含着hive2.1.0

小刘在重生~

Servlet_day2 (上)｜Servlet 整合 JDBC｜请求转发 forward｜Request 作用域上一节我们学习了 Servlet 基础开发、获取请求参数。真实业务开发不会把 JDBC 数据库代码直接写死在 Servlet 类里面，需要做分层拆分；同时业务经常需要 Servlet 之间跳转、传递数据，就需要学习请求转发与request 作用域。

螺蛳粉螺蛳粉

CDH第四篇：CDH 元数据库实战：MySQL 5.7.22 二进制安装 + 三库三账号授权全记录目录一、CDH 为什么离不开 MySQL 二、步骤 1：清理 MariaDB 冲突三、步骤 2：二进制方式安装 MySQL 5.7.22 四、步骤 3：三库三账号授权五、常见报错与排错六、结语与系列预告一、CDH 为什么离不开 MySQL CM 体系里有三类元数据都要落库：

爱吃火鸡面呀

MySQL、ClickHouse、Doris、Hive、Spark SQL、Flink SQL 选型对比：优点、缺点与面试话术中文解释：事务就是“要么全成、要么全败”的一组操作，比如转账扣钱和加钱必须一起成功。MySQL 能保证这个。

【大数据处理与分析】数据仓库Hive：08 Impala【作者主页】Francek Chen 【专栏介绍】 ⌈ ⌈ ⌈大数据技术原理与应用 ⌋ ⌋ ⌋专栏系统介绍大数据的相关知识，分为大数据基础篇、大数据存储与管理篇、大数据处理与分析篇、大数据应用篇。内容包含大数据概述、大数据处理架构Hadoop、分布式文件系统HDFS、分布式数据库HBase、NoSQL数据库、云数据库、MapReduce、Hadoop再探讨、数据仓库Hive、Spark、流计算、Flink、图计算、数据可视化，以及大数据在互联网领域、生物医学领域的应用和大数据的其他应用。【GitCode

JSON 解析最佳实践：从入门到生产级优化大多数开发者对 JSON 解析的认知停留在**“能跑就行”**——数据取出来了，任务完成了，万事大吉。

泡干脆面就番茄

Hive窗口函数：从原理到三大面试题这是《Hive 从入门到实战》系列第 7 篇，也是含金量最高的一篇：窗口函数 + 行列转换 + 连续登录 + TopN，全是大厂 SQL 面试高频题。

程序员梅雨

Hive面试总结一条HQL进来，第一步，先通过SQL Parser，把SQL字符串转成抽象语法树，同时做语义分析，然后语义分析器把抽象语法树编译成查询块，第二步，结合MeteStore里的元数据校验表存不存在，字段存不存在，第三步，生成逻辑执行计划，然后优化器按规则做一轮重写，比如把过滤条件下推，、把用不到的列裁掉、把常量表达式先算出来，第四步，转成物理执行计划，拆成一个个MapReduce任务，决定用几个Map几个Reduce，这时候基于代价的优化器会算一笔账，从几种Join方案里挑代价最小的。第五步，执行，生