1.hive數(shù)據(jù)導(dǎo)入

　　load data inpath '/hadoop/guozy/data/user.txt' into table external_table;

　　此處是移動(非復(fù)制)，移動數(shù)據(jù)非常快，不會對數(shù)據(jù)是否符合定義的Schema做校驗，這個工作通常在讀取的時候進(jìn)行(即Schema on Read)

　　2.內(nèi)部表與外部表的不同

　　1）創(chuàng)建外部表需要添加 external 字段。而內(nèi)部表不需要。

　　2）刪除外部表時，HDFS中的數(shù)據(jù)文件不會一起被刪除。而刪除內(nèi)部表時，表數(shù)據(jù)及HDFS中的數(shù)據(jù)文件都會被刪除。

　　3）內(nèi)部表與外部表如果不指定location，默認(rèn)使用hive.metastore.warehouse.dir指定的路徑

　　3. Sort By、Order By、Cluster By，Distribute By，group by

　　order by：會對輸入做全局排序，因此\只有一個reducer**(多個reducer無法保證全局有序)。只有一個reducer，會導(dǎo)致當(dāng)輸入規(guī)模較大時，需要較長的計算時間。

　　distribute by：按照指定的字段對數(shù)據(jù)進(jìn)行劃分輸出到不同的reduce中(單純的分散數(shù)據(jù))。

　　sort by：局部排序，sort by只是確保每個reduce上面輸出的數(shù)據(jù)有序，當(dāng)只有一個reduce時，也變成全局排序

　　cluster by：當(dāng)distribute by 和 sort by 所指定的字段相同時，即可以使用cluster by

　　group By Key算子的功能固定，只能輸出相同key值的序列，reduceByKey適用于分組排序過程中有數(shù)據(jù)聚合操作(sum)的情形，在其他場景下可能不適用。

　　受限于reduce數(shù)量，設(shè)置reduce參數(shù)mapred.reduce.tasks 輸出文件個數(shù)與reduce數(shù)相同，文件大小與reduce處理的數(shù)據(jù)量有關(guān)，網(wǎng)絡(luò)負(fù)載過重 數(shù)據(jù)傾斜，優(yōu)化參數(shù)hive.groupby.skewindata為true，會啟動一個優(yōu)化程序，避免數(shù)據(jù)傾斜。更多關(guān)于大數(shù)據(jù)培訓(xùn)的問題，歡迎咨詢千鋒教育在線名師，如果想要了解我們的師資、課程、項目實操的話可以點擊咨詢課程顧問，獲取試聽資格來試聽我們的課程，在線零距離接觸千鋒教育大咖名師，讓你輕松從入門到精通。