Hive的“rowid”-低调大师

Hive的“rowid”

2017-11-28 810

玩过Oracle的同学一定知道rowid=objectid+file#+block#+row#这个概念,其实在Hive里也有“Rowid”.

Hive里有虚拟列的概念，类似于Oracle里的伪列，其中三个虚拟列是：INPUT__FILE__NAME，BLOCK__OFFSET__INSIDE__FILE，ROW__OFFSET__INSIDE__BLOCK.

INPUT__FILE__NAME:MAPREDUCE读取的文件的URI

BLOCK__OFFSET__INSIDE__FILE：For blockCompressed files,表示RCFile Block orSequenceFile 当前块在文件中的偏移量；For non-block-compressedfiles, 表示当前行的偏移量.

ROW__OFFSET__INSIDE__BLOCK:当打开参数hive.exec.rowoffset（默认关闭）时会开启这个虚拟列特性，For non-block-compressed files这个值一直为0，否则表示行号.

本文转自MIKE老毕 51CTO博客，原文链接：http://blog.51cto.com/boylook/1336763，如需转载请自行联系原作者

微信关注我们

原文链接：https://yq.aliyun.com/articles/476781

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

在线日志分析项目解读

1，日志的采集从flume agent 上的数据一般分到两条线上一条是kafka 集群，后期可以用流式处理（spark streaming 或storm 等等）一条是到hdfs，后期可以用hive处理，业界叫lambda架构 architecture (一般公司的推荐系统，就是用这种架构) flume-ng agent 采集收集日志后，聚合在一个节点上（也可以不聚合）为什么要聚合？为什么不直接写到kafka集群？假如公司规模比较大，有无数个flume节点,这么多都连kafka，会增加复杂度，有个聚合节点（会是多个节点组成，防止单节点挂了），还可以对日志格式统一处理，筛选不要的数据 hdfs 可以永久保存数据，mr 可以处理多久数据都行 kafka 集群数据可以存储一定时间不能长期存储，sparkstreaming 只能处理一定时间访问内数据 storm 流数据源 nginx 日志，mysql 日志，tomcat 日志等等-> flume -> kafka 消息件消息发送到这里缓存数据一段时间 -> spark streaming+spark sql on...

2017-11-29

653

Hive的权限管理一直是比较弱的，最近在线上发现了一个问题.线上一个ETL开发drop掉temp database里的一张表，但是发现hdfs上文件还在！首先明确一下Hive drop table的流程： 0.删除metadata 1.如果没有启用trash则直接删除hdfs文件 2.如果启用trash： a)如果trash目录无权限访问（默认/user/<username>/.trash）文件则成为“僵尸”文件，永远保留在那里 b)否则若用hive command执行或hiveserver开启了impersonation则将文件移动到/user/<username>/.trash下，否则移动到/user/<hiveserver runner>/.trash下线上出现这个问题是因为/user目录的mode为700，用户无法创建自己的目录导致删除文件失败，从以上流程可以看到，Hive的权限和HDFS的权限是相分离的，而这个问题实为Hive的Bug一直还没有得到修复本文转自MIKE老毕 51CTO博客，原文链接：http://blog.51cto....

2017-11-29

632

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

Apache Tomcat

Tomcat是Apache 软件基金会（Apache Software Foundation）的Jakarta 项目中的一个核心项目，由Apache、Sun 和其他一些公司及个人共同开发而成。因为Tomcat 技术先进、性能稳定，而且免费，因而深受Java 爱好者的喜爱并得到了部分软件开发商的认可，成为目前比较流行的Web 应用服务器。

Eclipse

Eclipse 是一个开放源代码的、基于Java的可扩展开发平台。就其本身而言，它只是一个框架和一组服务，用于通过插件组件构建开发环境。幸运的是，Eclipse 附带了一个标准的插件集，包括Java开发工具（Java Development Kit，JDK）。

JDK

JDK是 Java 语言的软件开发工具包，主要用于移动设备、嵌入式设备上的java应用程序。JDK是整个java开发的核心，它包含了JAVA的运行环境（JVM+Java系统类库）和JAVA工具。

Hive的“rowid”

在线日志分析项目解读

Hive权限与HDFS权限分离导致的一些问题

相关文章

发表评论

资源下载

Mario

Apache Tomcat

Eclipse

JDK

欢迎您！