最新文章专题视频专题问答1问答10问答100问答1000问答2000关键字专题1关键字专题50关键字专题500关键字专题1500TAG最新视频文章推荐1 推荐3 推荐5 推荐7 推荐9 推荐11 推荐13 推荐15 推荐17 推荐19 推荐21 推荐23 推荐25 推荐27 推荐29 推荐31 推荐33 推荐35 推荐37视频文章20视频文章30视频文章40视频文章50视频文章60 视频文章70视频文章80视频文章90视频文章100视频文章120视频文章140 视频2关键字专题关键字专题tag2tag3文章专题文章专题2文章索引1文章索引2文章索引3文章索引4文章索引5123456789101112131415文章专题3
当前位置: 首页 - 科技 - 知识百科 - 正文

hive大数据除重问题研究

来源:动视网 责编:小采 时间:2020-11-09 07:50:11
文档

hive大数据除重问题研究

hive大数据除重问题研究:hive大数据除重问题研究 存量表: store 增量表: incre 字段: 1. p_key 除重主键 2. w_sort 排序依据 3. info 其他信息 方法一(union all + row_number()over ):insert overwrite table limao_store select p_k
推荐度:
导读hive大数据除重问题研究:hive大数据除重问题研究 存量表: store 增量表: incre 字段: 1. p_key 除重主键 2. w_sort 排序依据 3. info 其他信息 方法一(union all + row_number()over ):insert overwrite table limao_store select p_k


hive大数据除重问题研究 存量表: store 增量表: incre 字段: 1. p_key 除重主键 2. w_sort 排序依据 3. info 其他信息 方法一(union all + row_number()over ):insert overwrite table limao_store select p_key,sort_word from ( select tmp1.*, row_num

hive大数据除重问题研究

存量表: store

增量表: incre

字段:

1. p_key 除重主键

2. w_sort 排序依据

3. info 其他信息

方法一(union all + row_number()over ):

insert overwrite table limao_store 
 select p_key,sort_word 
 from ( select tmp1.*, row_number() over(distribute by sort_word sort by p_key desc) rownum 
 from ( select *
 from limao_store 
 union all 
 select *
 from limao_incre 
 ) tmp1 
 ) hh 
 where hh.rownum = 1;


分析, 长表排序


方法二(left outer join + union all):
注意: hive 不支持 顶层 union all ,而且union all 结果必须有别名
insert overwrite table limao_store 
select t.p_key,t.sort_word from (
 select s.p_key,s.sort_word from limao_store s left outer join limao_incre i on(s.p_key=i.p_key) where i.p_key=null
 union all
 select p_key,sort_word from limao_incre);
 


分析: 不能识别 incre中的重复数据 长表关联 , 表宽度加倍


方法三(left outer join + insert into)

insert overwrite table store 
 select s.* from store s left outer join incre i on(s.p_key=i.p_key) where i.p_key=null 
 insert into table jm_g_l_cust_secu_acct 
 select * from jm_g_l_cust_secu_acct_tmp;

 分析: insert into 最好不用。 使用insert into 在hdfs中的表现为,在表(分区)文件夹下,建立新的文件
存放insert into数据, 造成文件碎片,降低以后该表查询效率。
 

==================================================================================


use nets_life;
create table limao_store 
(
 p_key string,
 sort_word string
)ROW FORMAT DELIMITED FIELDS TERMINATED BY ',' STORED AS TEXTFILE;

create table limao_incre 
(
 p_key string,
 sort_word string
)ROW FORMAT DELIMITED FIELDS TERMINATED BY ',' STORED AS TEXTFILE;


建表语句

use nets_life;
create table limao_store 
(
 p_key string,
 sort_word string
)ROW FORMAT DELIMITED FIELDS TERMINATED BY ',' STORED AS TEXTFILE;

create table limao_incre 
(
 p_key string,
 sort_word string
)ROW FORMAT DELIMITED FIELDS TERMINATED BY ',' STORED AS TEXTFILE;

=====================================================

================================================================================================

总结: 方法二和方法三原理相同。 方法三建议避免

方法二、方法三 暗含逻辑:

1.增量同步数据(incre)和存量数据(store)冲突时,总是认为增量数据为最新的

2.无论增量数据表 还是 存量数据表, 表内没有重复字段

方法一, 不暗含上述逻辑。 全部合并,严格按排序字段排名取第一

一千万数据 store 和 一百万数据 incre 测试结果

方法一: Time taken: 317.677 seconds

方法二: Time taken: 106.032 seconds

总结: 方法二时间使用上大幅度少于方法一,但没有内部除重功能,只能用于比较除重。

==============================================

文档

hive大数据除重问题研究

hive大数据除重问题研究:hive大数据除重问题研究 存量表: store 增量表: incre 字段: 1. p_key 除重主键 2. w_sort 排序依据 3. info 其他信息 方法一(union all + row_number()over ):insert overwrite table limao_store select p_k
推荐度:
标签: 数据 问题 大数据
  • 热门焦点

最新推荐

猜你喜欢

热门推荐

专题
Top