Hive中实现增量更新

标签: hive 更新 | 发表时间:2014-03-08 15:46 | 作者:liuzhipeng197
出处:http://blog.csdn.net

现在有一个学生表,其中包括有学生的id,年龄和名称。如下图所示:

hive> select * from student order by id;
OK
1       20      qiu     20140102
2       43      liu     20140102
3       23      zheng   20140102
4       32      yang    20140102
5       24      qian    20140102


根据上流得到的发生改变的数据表为student_temp,字段和属性与student表一致,包含的数据如下所示:

hive> select * from student_temp;
OK
2       10      liu     20140103
3       10      zheng   20140103
Time taken: 0.085 seconds


两个表进行full outer join,将student_temp表中发生修改的数据更新到student表中。

hive> select 
              student.id,
              coalesce(student_temp.age,student.age),
              student.name,coalesce(student_temp.dt,student.dt) 
      from student_temp 
      full outer join student on student_temp.id = student.id;

执行后的结果为:

Ended Job = job_201403041248_0043
MapReduce Jobs Launched: 
Job 0: Map: 2  Reduce: 2   Cumulative CPU: 8.44 sec   HDFS Read: 732 HDFS Write: 356 SUCCESS
Job 1: Map: 1  Reduce: 1   Cumulative CPU: 3.68 sec   HDFS Read: 1115 HDFS Write: 94 SUCCESS
Total MapReduce CPU Time Spent: 12 seconds 120 msec
OK
1       20      qiu     20140102
2       10      liu     20140103
3       10      zheng   20140103
4       32      yang    20140102
5       24      qian    20140102
Time taken: 66.223 seconds

作者:liuzhipeng197 发表于2014-3-8 7:46:44 原文链接
阅读:139 评论:0 查看评论

相关 [hive 更新] 推荐:

Hive中实现增量更新

- - CSDN博客云计算推荐文章
现在有一个学生表,其中包括有学生的id,年龄和名称. 根据上流得到的发生改变的数据表为student_temp,字段和属性与student表一致,包含的数据如下所示:. 两个表进行full outer join,将student_temp表中发生修改的数据更新到student表中. 作者:liuzhipeng197 发表于2014-3-8 7:46:44 原文链接.

hive调优

- - 互联网 - ITeye博客
一、    控制hive任务中的map数: . 1.    通常情况下,作业会通过input的目录产生一个或者多个map任务. 主要的决定因素有: input的文件总个数,input的文件大小,集群设置的文件块大小(目前为128M, 可在hive中通过set dfs.block.size;命令查看到,该参数不能自定义修改);.

hive 优化 tips

- - CSDN博客推荐文章
一、     Hive join优化. 也可以显示声明进行map join:特别适用于小表join大表的时候,SELECT /*+ MAPJOIN(b) */ a.key, a.value FROM a join b on a.key = b.key. 2.     注意带表分区的join, 如:.

Hive中的join

- - CSDN博客云计算推荐文章
select a.* from a join b on a.id = b.id select a.* from a join b on (a.id = b.id and a.department = b.department). 在使用join写查询的时候有一个原则:应该将条目少的表或者子查询放在join操作符的左边.

hive优化(2)

- - 开源软件 - ITeye博客
Hive是将符合SQL语法的字符串解析生成可以在Hadoop上执行的MapReduce的工具. 使用Hive尽量按照分布式计算的一些特点来设计sql,和传统关系型数据库有区别,. 所以需要去掉原有关系型数据库下开发的一些固有思维. 1:尽量尽早地过滤数据,减少每个阶段的数据量,对于分区表要加分区,同时只选择需要使用到的字段.

hive优化

- - 开源软件 - ITeye博客
hive.optimize.cp=true:列裁剪. hive.optimize.prunner:分区裁剪. hive.limit.optimize.enable=true:优化LIMIT n语句. hive.limit.optimize.limit.file=10:最大文件数.   1.job的输入数据大小必须小于参数:hive.exec.mode.local.auto.inputbytes.max(默认128MB).

Hive优化

- - 互联网 - ITeye博客
     使用Hive有一段时间了,目前发现需要进行优化的较多出现在出现join、distinct的情况下,而且一般都是reduce过程较慢.      Reduce过程比较慢的现象又可以分为两类:. 情形一:map已经达到100%,而reduce阶段一直是99%,属于数据倾斜. 情形二:使用了count(distinct)或者group by的操作,现象是reduce有进度但是进度缓慢,31%-32%-34%...一个附带的提示是使用reduce个数很可能是1.

hive bucket 桶

- - CSDN博客推荐文章
对于每一个表(table)或者分区,Hive可以进一步组织成桶. Hive也是针对某一列进行桶的组织. Hive采用对列值哈希,然后除以桶的个数求余的方式决定该条记录存放在哪个桶当中. 采用桶能够带来一些好处,比如JOIN操作. 对于JOIN操作两个表有一个相同的列,如果对这两个表都进行了桶操作. 那么将保存相同列值的桶进行JOIN操作就可以,可以大大较少JOIN的数据量.

hive mapjoin使用

- - 淘剑笑的博客
今天遇到一个hive的问题,如下hive sql:. 该语句中B表有30亿行记录,A表只有100行记录,而且B表中数据倾斜特别严重,有一个key上有15亿行记录,在运行过程中特别的慢,而且在reduece的过程中遇有内存不够而报错. 为了解决用户的这个问题,考虑使用mapjoin,mapjoin的原理:.

hive优化

- - 互联网 - ITeye博客
1:尽量尽早地过滤数据,减少每个阶段的数据量,对于分区表要加分区,同时只选择需要使用到的字段. 2:尽量原子化操作,尽量避免一个SQL包含复杂逻辑. 可以使用中间表来完成复杂的逻辑. 3:单个SQL所起的JOB个数尽量控制在5个以下. 4:慎重使用mapjoin,一般行数小于2000行,大小小于1M(扩容后可以适当放大)的表才能使用,小表要注意放在join的左边(目前TCL里面很多都小表放在join的右边).