Hive :查找行。有了。最大差异。在从左连接获得的两列中
Hive是一个基于Hadoop的数据仓库工具，用于处理大规模数据集。它提供了类似于SQL的查询语言，称为HiveQL，使用户能够使用类似于关系型数据库的方式查询和分析数据。
在Hive中，"查找行"是指在从左连接获得的两列中查找具有最大差异的行。具体来说，左连接是一种关联操作，它将两个表中的数据按照指定的条件进行匹配，并返回匹配成功的行以及左表中的所有行。当使用左连接时，如果右表中没有与左表匹配的行，则右表中的列值将为NULL。
在从左连接获得的两列中查找行的最大差异，可以通过以下步骤实现：
- 使用HiveQL编写查询语句，将左表和右表进行左连接操作。
- 在查询语句中使用聚合函数和条件语句，比较两列的差异，并找到最大差异的行。
- 执行查询语句，获取结果。
Hive的优势在于它能够处理大规模的数据集，并且提供了类似于SQL的查询语言，使得用户能够使用熟悉的语法进行数据分析。它还可以与其他Hadoop生态系统工具集成，如Hadoop分布式文件系统（HDFS）和YARN。
在云计算领域，腾讯云提供了一系列与Hive相关的产品和服务，如TencentDB for Hive，它是一种基于Hive的云数据库服务，提供了高性能、可扩展的数据存储和查询功能。您可以通过以下链接了解更多关于TencentDB for Hive的信息：
请注意，本回答不涉及亚马逊AWS、Azure、阿里云、华为云、天翼云、GoDaddy、Namecheap、Google等流行的云计算品牌商。
相关·内容
我还在学习Hadoop的过程中，遇到了一个特殊的情况:我有两个表，第一个表A在mySQL中，列: email和address，第二个表B在HDFS中，列: id，email和address。我必须在两个表中查找电子邮件，并用表A中的新行更新表B (表B中不存在的电子邮件是表A中的新记录条目，因此必须在表B中移动)。
我可以使用Pig或Hive script来解决此问题吗？有没有人能帮我一下？
浏览 0提问于2014-05-13得票数 0
1回答
sqoop增量计数差值
、、、
我希望使用sqoop导入表中的所有新行，这是我无法在增量更新中使用列的问题。
所以我试着数数我的桌子上的所有木条，然后用时间戳列把它存储到蜂箱里。
而不是选择该数字的最大值，并将其与源表的行数进行比较。
我的问题是，如何使用sqoop导入我的hive表和我的源表之间的差异？
浏览 0提问于2018-05-23得票数 0
如何在Hive中的所有表中找到特定的列名？
我在hive：select table_name,column_name from retail.columns where column_name like '%emp%'; (零售是一个数据库)中运行了这个查询。
但它给了我：
错误失败: SemanticException第0行：-1表未找到“列”
我尝试了查询：select distinct table_name from default.columns where column_name = 'emp' (默认是我的数据库)。但它也带来了错误。
我搜索
浏览 2提问于2018-01-18得票数 6
回答已采纳
2回答
我是蜂巢的新手，我被一个相当简单的问题困住了。我的数据看起来是：
Name---Day---Doctor Bill--- Room Bill
Rakesh 1 2500 1500
Raja 1 5000 2300
Raju 1 4500 2000
Rakesh 2 3750 2250
Rakesh 3 3550 1750
Raja 2 4500 4000
Raju 2 3450 4725
找出谁付的医药费最高？
查询：
hive> insert overwrite table
浏览 5提问于2017-06-21得票数 1
1回答
蜂巢表中有序行的聚合
、、、、
我在hive中有一个表，其中有4列，如下所示：
row_id| user_id|product_id| duration
1 1 product1 3
2 1 product1 1
3 1 product2 6
4 1 product3 2
5 1 product1 4
6 1 product4 3
7 1 product4 5
8 1 product4 7
浏览 0提问于2016-09-07得票数 0
回答已采纳
1回答
我已经将蜂巢连接到了R Studio (闪亮的应用程序)。试图在R Studio中实现查询。以下是查询-
function (input){
hadooptest <- paste("SELECT distinct(varid) FROM
staples_us.dfp_networkimpressions
where lineid = input")
}
所以输入(数字)是动态的，来自用户给出的UI部分。它让我看到了一个错误-
SemanticException
浏览 0提问于2018-11-06得票数 0
2回答
假设我在Excel或Google表格中有两行数字
1 2 3 4 5
A 6 4 9 12 0
B 8 6 10 15 4
我想确定与两行数据之间最大的两个差异相对应的列。例如，行B条目减去行A条目的差异是2、2、1、3、4。第4列和第5列包含最大差异，我想在Excel中确定这一点。也就是说，我想要有一个表达式，可以分别放在单元格A6和A7中，告诉我这两个差异的4和5。
我实际上想对几十个行和列执行类似的操作，因此要求我手动键入每行或每列的解决方案是不可取的。我并不执着于使用Exce
浏览 4提问于2019-12-22得票数 0
奇怪的是，当我输入Hive查询时：
SELECT * FROM tb LIMIT 1;
它成功地从表中返回一行。
但是，当我从表中选择一列时，Hive将失败：
SELECT col FROM tb LIMIT 1;
Hive给出了一个错误消息：
失败:执行错误，从org.apache.hadoop.hive.ql.exec.mr.MapRedTask返回代码-101。超过GC开销限额
蜂巢怎么了？
浏览 2提问于2016-01-04得票数 0
1回答
我在excel文件中有4列：
右边的两行大约有9000行，左边的两行大约有14000行。
A列和B列相连。此外，C&D是连接的。
THER_CLASS列是键列的前6个数字。
如果前6个键与THER_CLASS匹配，我将如何排序左边的两列？
我希望每一行取A列，找出GPI的前6#相等的行，然后将C和D移动到A所在的行。
我可以通过在c#中构建一个控制台应用程序来做到这一点，但我觉得在excel中有一种更容易实现的方法。
浏览 5提问于2017-01-26得票数 1
回答已采纳
2回答
我有一个DataFrame如下所示。我想连接前两列。
如果它们连接的长度是<13，那么我想在中间加上0，这样长度就变成13了。
如果它们的连接长度是>=13，那么我只想连接。
d = {'col1': [123456, 2, 1234567], 'col2': [1234567, 4, 1234567]}
df = pd.DataFrame(data=d)
df
df['var3'] = df.col1.astype(str) + df.col1.astype(str)
df
如果是第二行，而不是'22‘，我
浏览 0提问于2018-08-22得票数 1
回答已采纳
2回答
蜂巢:填写缺失的列
、、、
我对Hive很陌生，我的SQL知识有点生疏，所以我在上面贴出了问题。
我有一个SAP表中的数据，其中缺少一个列的值。我想知道如何填充这些列。
示例：
+----------+-----------+--------+
| EBELN | BELNR | EBELP |
|----------+-----------+--------|
| 1 | 123 | 001 |
|----------+-----------+--------|
| | 123 | 002 |
|----------+---------
浏览 5提问于2017-01-05得票数 2
我需要将一个hive表与来自Rest端点的JSON数据连接起来。使用UDF或数据源(如临时表)哪个更好？如果使用UDF，什么是限制RPS的好方法？
浏览 19提问于2021-10-19得票数 0
1回答
我有两个表，它们都聚集在相同的列上，但是在连接聚集列上的两个表时，执行计划同时显示了交换和排序步骤。
这两个表在相同的列(key_column)上存储桶。这两个表都是或压缩的，表A被分区和存储桶，表B在同一列上存储桶。
我希望在我的计划中避免排序和交换步骤，并且根据文档，存储桶的表应该避免排序和交换步骤。
我甚至尝试了下面的hive属性：
spark.sql('set spark.sql.orc.filterPushdown=true')
spark.sql('set hive.optimize.bucketmapjoin = true')
spark.sql(
浏览 1提问于2019-06-12得票数 1
在两个表之间执行一个简单的联接时，我会得到这个错误。我在Hive命令行中运行这个查询。我将表命名为a& b。表a是Hive内部表，b是外部表(在Cassandra中)。表a只有1610行，表b有约800万行。在实际生产场景中，表a可以达到100 K行。下面是我的join，表b是连接中的最后一个表。
从连接b中选择a.col1、a.col2、b.col3、b.col4 (a.col1=b.col1和a.col2=b.col2)；
如下所示是错误
总MapReduce作业=1执行日志:/tmp/pricadmn/. log 2014-04-09:15:36开始启动本地任务以处理映
浏览 6提问于2014-04-10得票数 11
1回答
根据这里提供的参考，在关系数据库服务器中左连接和左外连接之间没有区别，只是在下面的帖子中明确提到了术语“外部”：
有人能确认Apache HIVE与RDBMS服务器中的SQL支持相比是否改变了LEFT JOIN或LEFT OUTER JOIN的语义吗？
浏览 22提问于2017-07-02得票数 1
我正在处理一个按年、月和日划分的Hive表。例如：
year=2015 AND month=201512 AND day = 20151231。
根据我对Hive工作方式的有限了解，这些文件夹可能设置在文件夹结构中，其中“2015”文件夹包含12个月的文件夹，每个月的文件夹中包含28-31天的文件夹。在这种情况下，使用
WHERE year = 2015 AND month = 201512 AND day = 20151231
就会沿着目录结构爬到20151231文件夹。我认为只使用WHERE day = 20151231将触发相同的遍历，因此本质上是相同的查询，但是给出了使用year AN
浏览 3提问于2016-01-01得票数 1
回答已采纳
1回答
我用的是轻快。cassandra列族自动映射到配置单元表。
但是，如果列族中的数据类型为timeuuid，则它在配置单元表中不可读。
例如，我使用以下命令在hive中创建了一个外部表来映射列族。
Hive > create external table A (rowkey string, column_name string, value string)
> STORED BY 'org.apache.hadoop.hive.cassandra.CassandraStorageHandler'
> WITH SERDEPROPERTIES
浏览 11提问于2011-08-04得票数 1
回答已采纳
嗨，我是新来的堆叠。我想将csv文件加载到一个蜂窝表中。我使用以下方法创建了hive表：
create table database1.table1(......) ROW FORMAT DELIMITED FIELDS TERMINATED BY ',';
此外，我还使用以下方法将数据加载到表中：
LOAD DATA INPATH .... OVERWRITE INTO TABLE database1.table1;
但当我运行这个：
select distinct col1 from table1;
我正在从其他列获得值以及来自col1的值。
据我所知，数据没有正确地加载
浏览 2提问于2019-04-03得票数 1
我需要基于双精度开始列和结束列来查找连续数据点中的空白。
为了简单起见，我们称它们为startPoint和endPoint，它们跟踪直线上的空间位置。endPoint和startPoint之间的差异将命名为一个距离。在此“距离”上，捕获特定的力/效果信号值，并根据这些值将状态存储在表上。每一行都有一个唯一的id标识符。
因此，表如下所示：
| id | startPoint | endPoint | state |
|----|------------|----------|----------|
| 1 | 0.0 | 5.8 | Active |
| 2
浏览 0提问于2017-08-01得票数 0
回答已采纳
我在Hive方面没有什么经验，目前我正在学习Scala的星火。我很想知道Tez上的Hive是否真的比SparkSQL快。我搜索了许多论坛的测试结果，但他们比较了较早版本的星火，其中大多数是在2015年编写的。以下要点概述
兽人将在星火中做同样的事情
Tez引擎将提供更好的性能，如火花引擎。
蜂巢中的连接比火花更好/更快
我觉得霍顿工场支持的蜂巢比星火更多，Cloudera反之亦然。
示例链接：
一开始，我认为火花会比任何东西都快，因为他们的内存执行。在阅读了一些文章之后，我得到了一些现有的Hive，它也是用Tez，ORC，LLAP等新概念临时编写的。
目前使用PL/S
浏览 0提问于2017-08-09得票数 3
1回答
在Hive中与表1连接时，我需要从表2中获取不同的值。因为表%2有重复的记录。
考虑到下面的连接条件，是否有可能只从表2中获取不同的key_col？我不想使用select distinct * from ...
select * from Table_1 a left join Table_2 b on a.key_col = b.key_col
注意:这是在Hive中
浏览 0提问于2017-02-06得票数 0
我正在从csv文件(Csv1)导入数据，其中包含userid、date和focus列。存在具有不同焦点值和不同日期的同一用户and的多个记录。我需要选择具有最新日期的用户id的焦点，并将其与具有userid(多个相同的userid)、名称、姓氏和焦点的另一个文件(csv2)连接。
结果应该是，在CSV2中，所有相同的用户in都必须将焦点设置为csv1文件中最新的焦点。
有没有人能帮我实现这个结果。
提前谢谢。
浏览 0提问于2014-09-10得票数 0
在我的代码中，有一个dataframe是我从一个hive表创建的。我用函数过滤器做了一个简单的过滤器。但结果是随机的:我多次执行包含过滤器的同一个单元格，有时返回一行，有时不返回。我确信在预期的结果中只有一行。并且没有同时在源文件上的其他工作。
df = spark.sql("select id from hive_table limit 100")
df.filter(col('id') == 27654909)
浏览 0提问于2019-02-05得票数 0
1回答
我有两张桌子: 1. Person 2. Record
表person中的多行可以从record连接到一行。但是，如果我有一个人连接到多个记录，什么是最好的方式连接这一点？
第一纪录=一号、人物二号、三号纪录二号=四号、五号人、二号人物
这是创建一个名为relations的新表并添加两列( recordid，personid )的最佳方法吗？所以看起来是这样：
recordid | personid
1 1
1 2
1 3
2 4
2 5
浏览 1提问于2015-02-22得票数 0
回答已采纳
基本上我想在一个column value的基础上进行return rows。
如果该列包含non numeric值，则从hive表返回这些行。
任何UDF都可以在Hive中使用
浏览 2提问于2016-07-01得票数 10
回答已采纳
1回答
我有3个数据帧，对于一个练习，我必须将它们连接在一起，并获得基于国家/地区列的公共行 ? 然而，对于这个新练习，我必须获得连接(中间)之外的所有内容的长度。 我有这样的代码： ScimEn = pd.read_excel('assets/scimagojr-3.xlsx')
ScimEn.set_index('Country')
print(ScimEn)
#ScimEn = ScimEn.sort_values(by=['Rank']).head(15)
merged_df = pd.mer
浏览 12提问于2021-02-09得票数 0
2回答
我试图在HIVE中执行这个子查询，但是我收到错误，在我的HIVE版本中不支持子查询，不幸的是，是的，我们使用的是旧版本的HIVE。
select col1,col2 from t1 where col1 in (select x from t2 where y = 0)
然后我用左半连接重写了子查询，
select a.col1,a.col2
FROM t1 a LEFT SEMI JOIN t2 b on (a.col1 =b.x)
WHERE b.y = 0
如果不提供where条件，则此查询运行良好，但当我尝试在where条件中使用b.any列或在select子句中使用b.any列时，它
浏览 0提问于2016-08-11得票数 0
回答已采纳
2回答
我使用配置单元来连接使用left outer join的表，因为它是一个外连接，所以左列中的行数不应该减少。然而，这并不是我所看到的。
比方说表A有100k行，表B有200k行。我的假设是，如果我像这样的select ... from A left outer join B on A.x=B.x进行左外部连接，我应该永远不会看到小于100k (A的大小)的行。在我的例子中，我看到行数减少了！我正在尝试如何以一种我可以分享的方式进行复制。同时，如果我的假设是错误的，请让我知道。
在我的查询中有一个潜在的问题。还有一个额外的where子句：
SELECT ...
FROM A
LEFT out
浏览 1提问于2018-03-15得票数 1
来自Hadoop的权威指南
有两个维度控制Hive中的表存储:行格式和文件格式。
--行格式指示如何存储特定行中的行和字段。用Hive术语来说，行格式是由SerDe定义的，它是序列化器反序列化器的一个portmanteau单词。当充当反序列化器时(在查询表时是这样)，SerDe将从文件中的字节反序列化一行数据到Hive内部用于对该行数据进行操作的对象。当用作序列化程序时(在执行INSERT或CTAS时就是这种情况)(请参阅页500中的“导入数据”)，表的SerDe将将Hive对一行数据的内部表示形式序列化为写入输出文件的字节。
文件格式指示行中字段的容器格式。最简单的格式是纯文本文件，但是也
浏览 3提问于2019-05-14得票数 1
我目前正在从4个不同的表中查询， users、memberships_users、membership_levels、phone_area_code 从users表中，我想选择 id
user_login,
user_email,
display_name memberships_users表包含一个user_id列和一个id列。user_id列不是惟一的，并且有许多重复的用户ids。 从memberships_users表中，我想选择 initial_payment,
billing_amount,
cycle_period,
cycle_number, 从每个user_id的id最大的行
浏览 37提问于2019-12-29得票数 0
回答已采纳
2回答
我有一个查找表(从用户平面文件加载)，只有2列，一列是连接列，另一列是所需的输出。
我的源数据列A具有如下示例数据：
999-55555-000
800-22222-123-777-2233
以此类推。500K个记录。
现在查找表如下：
B列|| C列
999-X-000-400-X || John
X-22222-X-777-X || Smith
要求是，如果源列A数据与查找表的列B数据的格式匹配，它将返回列C的值作为输出。
我如何通过LKP和表达式转换来实现这一点(不使用Java，因为我不太熟悉它)。如果LKP表需要额外的列，可以在从那里的平面文件加载数据时添加。如果有人能帮上忙，我将不胜
浏览 21提问于2020-05-07得票数 0
我可以使用PyHive库从Python连接到hive。在使用PyHive从配置单元获取数据时，我遇到了Connection reset by peer问题。
连接建立后，我使用Python中的PyHive从hive中获取数据。连接越来越成功，但在从配置单元获取数据时，它运行了5分钟以上，然后抛出了connection reset by peer。
from pyhive import
hive conn = hive.Connection(host="host1", port="",auth="", database="",ke
浏览 6提问于2018-08-29得票数 0
我想知道检测一列中的值何时变得大于另一列中的值的代码。所以在下面的例子中，在行索引1中，B变得比A大，而在行索引3中，A变得比B大。我想得到一个突出显示行1和2的DataFrame，以及哪一列变得比哪一列大。 In [1]: df
Out[1]:
A B
0 3 2
1 5 6
2 3 7
3 8 2 期望的结果： In [1]: df_result
Out[1]:
RES
0 0
1 -1
2 0
3 1
浏览 62提问于2019-06-06得票数 1
回答已采纳
2回答
如何计算时差
、、、、
我的要求很简单，如何计算hive中两列之间的时间差。
示例
Time_Start：10:15:00
Time_End：11:45:00
我需要做(Time_End-Time_Start) =1:30:00
注意，这两列都是字符串数据类型，好心帮助获得所需的结果。
浏览 7提问于2016-01-13得票数 1
如何返回列的单元格数组中包含特定值的行？
想象一下我们有一张这样的桌子：
id name phone values
1 Taylor xxx.xxx.xxxx [4,6,5]
2 John yyy.yyy.yyyy [1,5,2]
3 Peter zzz.zzz.zzzz [6,2,6]
我需要创建一个SQL查询，该查询将返回值'6‘存在于values数组中的行。因此，预期产出将是：
id name phone values
1 Taylor xxx.xxx.
浏览 0提问于2017-01-03得票数 5
1回答
我有两个表：“竞赛”和“参赛作品”。在我的比赛表上，我有一个“已完成”列，它告诉我比赛是否已经开始。在我的条目表中，我有一个用户ID列和一个竞赛ID列。我正在尝试创建一个连接，通过检查“entries”表中的所有行，然后针对每个特定行，检查“create”表中是否完成了相应的竞赛ID，从而查看用户是否能够竞争。我的连接不是很强，到目前为止我还有点迷路。这是我到目前为止所拥有的，但它不能正常工作：
$this->db->select('*');
$this->db->from('entries');
$this->db->joi
浏览 0提问于2012-08-14得票数 0
1回答
我有一个Spark应用程序，它完美地写入了Hive分区表。我在Dataframe中添加了两个新列，这两个列是我在Hive中坚持的，它停止了对Hive的写入，并且默默地没有插入任何行。
我有一个DF3 = DF1.join(DF2, where(...), "inner")。我坚持DF3。将显示连接的日志输出，没有错误日志。
在DF3中，DF1和DF2的所有列会自动出现吗？
我在Hive模式中也添加了从DF2获得的两个新的cols，并且在代码和Hive模式之间保持了顺序(也就是在两个地方的最后一个col之后)。为什么不写进蜂巢里呢？
浏览 2提问于2017-02-23得票数 1
3回答
我有两个需要合并的.mdb microsoft access数据库。它们最初是同一个文件，但由于“我认为这是通向真实文件的捷径”问题，两个同事一直在分别编辑它们。因此，所有的表、列和关系都是相同的-只是现在部分数据不同了。我希望合并时不会出现任何重复，但会保留所有唯一的数据行。我尝试过在Access中通过external data / new data source / from database / access进行本机操作，但这导致了table和table1的情况，这不是我想要的。有人知道怎么做吗？
浏览 0提问于2019-05-09得票数 1
我面临一个问题，即Server生成一个非最优的执行计划:嵌套循环连接并查找维度表，并在其上执行2M读取。
排序操作估计为100行，而不是450 K行，可能会影响计划选择：
NestedLoop：https://www.brentozar.com/pastetheplan/?id=B110MZ2Pm还是NestedLoop计划
这是在一个测试DB中。我们有一个具有相同模式和几乎相同数据的附加DB。
运行完全相同的查询(都来自SSMS)将使用哈希联接和维度表扫描(32K读取)生成不同的计划：
HashJoin：https://www.brentozar.com/pastetheplan/?id=r
浏览 0提问于2018-09-04得票数 6
回答已采纳
1回答
我在Cloudera集群中的Hive中有一些按daily_date列分区的外部表。 我还有DataStax Enterprise Cassandra集群，我在其中创建了与Hive表结构相同的表。 问:我想将表格数据从Hive表格导出/写入相应的Cassandra表格。 有没有Hive到Cassandra的连接器？或者我需要在Spark中做这件事，如果是的话，怎么做？这里的最佳实践/解决方案是什么？ 我试着用谷歌搜索了很多不同的关键词，但没有找到任何正确的/推荐的解决方案。 请指点一下。
浏览 35提问于2020-06-17得票数 0
回答已采纳
2回答
我有一个应用程序，它的目的是支持jdbc:hive://和jdbc:hive2://协议的JDBC连接。以下代码为两个协议加载相应的JDBC驱动程序：
private void setDriverClass() ... {
...
Class.forName("org.apache.hadoop.hive.jdbc.HiveDriver"); // acceptsURL -> jdbc:hive://
Class.forName("org.apache.hive.jdbc.HiveDriver"); // acceptsURL -&
浏览 4提问于2014-02-28得票数 0
我有以下的要求和困惑，为高性能选择哪一个。我不是java开发人员。我对蜂巢，猪和Python感到安慰。
我正在使用HDP2.1与tez引擎。数据源是文本文件(80 GB)和Oracle表(15 GB)。两者都是结构化数据。我听说Hive将套件的结构数据和Python减少流的概念，也将有较高的性能比蜂箱和猪。请澄清。
我正在使用Hive，原因是：
需要基于一列连接这两个源。
使用ORC格式表存储连接结果，因为数据大小很大
文本文件名将用于生成一个输出列，并已在虚拟列概念input__file__name字段中执行。
join之后，需要对每一行执行一些算术操作，并通过python完
浏览 2提问于2015-04-10得票数 2
我目前正在从Clickhouse的系统表中收集度量标准，当从system.parts表获取信息时，列出的列中有许多列没有文档，谁能帮助解释下面的列代表什么：
级别
primary_key_bytes_in_memory
primary_key_bytes_in_memory_allocated
我特别感兴趣的是知道主键的索引大小，但是很难确定上面两个主键列之间的区别。
浏览 3提问于2017-05-23得票数 1
回答已采纳
2回答
谁能帮助我理解下面的算法，如何找到二叉树中任意两个节点之间的最大差异。
我不明白为什么他们试图从左子树和右子树得到最小值，而实际上我们想要的是最大差值，而不是最小差值。那么，我们不是应该递归地从左右子树中获得最大差值，并使用它来计算我们的结果吗？
提前感谢!！
浏览 3提问于2016-05-15得票数 0
我进口火花表给蜂巢：
df.createOrReplaceTempView(table_name);
df = spark.sql("SELECT * FROM "+ table_name);
df.write().format("orc").mode("overwrite").saveAsTable(db_name+"."+table_name);
表正在成功创建，但当我在表上执行select查询时，我会得到以下错误，结果是得到空列
Error: java.io.IOException: java.lang.IllegalAr
浏览 7提问于2020-11-03得票数 0
我有一张桌子，其结构如下：
ID|FK1|FK2|FK3|FK4
ID|FK1|FK2|FK3|FK4
ID|FK1|FK2|FK3|FK4
另一张桌子上放着：
FK|DATA
FK|DATA
FK|DATA
FK|DATA
第一个表中的FKn列引用第二个表中的FK字段。在第一个表和第二个表之间可以有多个记录链接。
我想要实现的是创建另一个表，其中包含链接到的每个FKn的记录总数。例如：
ID|FK1|FK2|FK3|FK4
A|0 |23 |9 |3
B|4 |0 |2 |0
我知道如何转换行流并遍历每个FKn字段。我还会数数。我不能做的是将每个FKn计数从同一个ID分组到一行
浏览 5提问于2014-05-09得票数 1
回答已采纳
我有一个注册为dataFrame的tempView和一个要加入的Hive表
df1.createOrReplaceTempView("mydata")
df2 = spark.sql("Select md.column1,md.column2,mht.column1 \
from mydata md inner join myHivetable mht on mht.key1 = md.key1 \
where mht.transdate between '201
浏览 4提问于2017-08-26得票数 1
回答已采纳
有命令：
hive -e "create table C as
(select * from A a
left join T t on a.seller_id = t.seller_id
where day=31 and month=1 and year=31)"
我得到以下错误：
无法识别连接类型说明符中“左”“连接”“T”附近的输入
浏览 8提问于2013-11-20得票数 1
回答已采纳
5回答
是否存在从第一行返回匹配两个或更多条件的值的公式？例如，"return column C from the first line where column A=x AND column B= y“。我不想将A列和B列连接在一起。
谢谢。
浏览 0提问于2012-05-14得票数 6
回答已采纳
我试图从Spark应用程序连接到Hive-metastore，但每次尝试连接时都会卡住，并因超时而崩溃： INFO metastore:376 - Trying to connect to metastore with URI thrift://hive-metastore:9083
WARN metastore:444 - set_ugi() not successful, Likely cause: new client talking to old server. Continuing without it.
org.apache.thrift.transport.TTranspo
浏览 44提问于2019-02-21得票数 2
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
