0
点赞
收藏
分享

微信扫一扫

hive参数传递,hive常用函数

梅梅的时光 2022-07-12 阅读 73

目录

1、hive参数传递

1、hiveconf使用说明

2、 hivevar使用说明

2、Hive的常用函数

1、系统内置函数

2、数值计算

3、日期函数

3、条件函数(重点)

4、字符串函数

5、集合统计函数

7、复杂类型长度统计函数

8、行转列

9、列转行

2、lateral view、explode练习

reflect函数

hive自定义函数

Json数据解析UDF开发练习

Hive的分桶表

Hive数据导入

Hive数据导出

Hive Shell 命令导出

export导出到HDFS上

Hive的静态分区和动态分区

1、 静态分区

2、动态分区

分组

1、Group By 语句

2、 Having语句

 排序

1、order by 全局排序

2、 Sort By

3、distribute by 分区排序

4、 cluster by


1、hive参数传递

  • 实际工作当中,我们一般都是将hive的hql语法开发完成之后,就写入到一个脚本里面去,然后定时的通过命令 hive -f 去执行hive的语法即可

  • 然后通过定义变量来传递参数到hive的脚本当中去,那么我们接下来就来看看如何使用hive来传递参数。

  • hive0.9以及之前的版本是不支持传参

  • hive1.0版本之后支持 hive -f 传递参数

  • 在hive当中我们一般可以使用==hivevar==或者==hiveconf==来进行参数的传递

1、hiveconf使用说明

  • hiveconf用于定义HIVE执行上下文的属性(配置参数),可覆盖覆盖hive-site.xml(hive-default.xml)中的参数值,如用户执行目录、日志打印级别、执行队列等。例如我们可以使用hiveconf来覆盖我们的hive属性配置,

  • hiveconf变量取值必须要使用hiveconf作为前缀参数,具体格式如下:

2、 hivevar使用说明

  • hivevar用于定义HIVE运行时的变量替换,类似于JAVA中的“PreparedStatement”,与${key}配合使用或者与 ${hivevar:key}

  • 对于hivevar取值可以不使用前缀hivevar,具体格式如下:

1.3.3 define使用说明

  • define与hivevar用途完全一样,还有一种简写“-d

1.3.4 hiveconf与hivevar使用实战

  • 需求:hive当中执行以下hql语句,并将'201807'、'80'、'03'用参数的形式全部都传递进去

select * from student left join score on student.s_id = score.s_id where score.month = '201807' and score.s_score > 80 and score.c_id = 03;

第一步:创建student表并加载数据

hive (myhive)> create external table student
(s_id string, s_name string, s_birth string, s_sex string) row format delimited
fields terminated by '\t';
​
hive (myhive)> load data local inpath '/kkb/install/hivedatas/student.csv' overwrite into table student;

第二步:定义hive脚本

第三步:调用hive脚本并传递参数

  • node03执行以下命令并

2、Hive的常用函数

1、系统内置函数

2、数值计算

下面主要使用teacher展示

1、取整函数: round

  • 语法: round(double a)

  • 返回值: BIGINT

  • 说明: 返回double类型的整数值部分 (遵循四舍五入)

2、指定精度取整函数: round

  • 语法: round(double a, int d)

  • 返回值: DOUBLE

  • 说明: 返回指定精度d的double类型

3、向下取整函数: floor

  • 语法: floor(double a)

  • 返回值: BIGINT

  • 说明: 返回等于或者小于该double变量的最大的整数

4、向上取整函数: ceil

  • 语法: ceil(double a)

  • 返回值: BIGINT

  • 说明: 返回等于或者大于该double变量的最小的整数

5、向上取整函数: ceiling

  • 语法: ceiling(double a)

  • 返回值: BIGINT

  • 说明: 与ceil功能相同

6、取随机数函数: rand

  • 语法: rand(), rand(int seed)

  • 返回值: double

  • 说明: 返回一个0到1范围内的随机数。如果指定种子seed,则会等到一个稳定的随机数序列

3、日期函数

1、UNIX时间戳转日期函数: from_unixtime

  • 语法: from_unixtime(bigint unixtime[, string format])

  • 返回值: string

  • 说明: 转化UNIX时间戳(从1970-01-01 00:00:00 UTC到指定时间的秒数)到当前时区的时间格式

2、获取当前UNIX时间戳函数: unix_timestamp

  • 语法: unix_timestamp()

  • 返回值: bigint

  • 说明: 获得当前时区的UNIX时间戳

3、日期转UNIX时间戳函数: unix_timestamp

  • 语法: unix_timestamp(string date)

  • 返回值: bigint

  • 说明: 转换格式为"yyyy-MM-dd HH:mm:ss"的日期到UNIX时间戳。如果转化失败,则返回0。

4、指定格式日期转UNIX时间戳函数: unix_timestamp

  • 语法: unix_timestamp(string date, string pattern)

  • 返回值: bigint

  • 说明: 转换pattern格式的日期到UNIX时间戳。如果转化失败,则返回0。

5、日期时间转日期函数: to_date

  • 语法: to_date(string datetime)

  • 返回值: string

  • 说明: 返回日期时间字段中的日期部分。

6、日期转年函数: year、 mouth、day、hour、minute、语法一样

  • 语法: year(string date)

  • 返回值: int

  • 说明: 返回日期中的年。

 

7、日期转周函数: weekofyear

 8、日期比较函数: datediff

  • 语法: datediff(string enddate, string startdate)

  • 返回值: int

  • 说明: 返回结束日期减去开始日期的天数。

9、日期增加函数: date_add

  • 语法: date_add(string startdate, int days)

  • 返回值: string

  • 说明: 返回开始日期startdate增加days天后的日期。

 10、日期减少函数: date_sub

  • 语法: date_sub (string startdate, int days)

  • 返回值: string

  • 说明: 返回开始日期startdate减少days天后的日期。

3、条件函数(重点)

1、If函数: if

  • 语法: if(boolean testCondition, T valueTrue, T valueFalseOrNull)

  • 返回值: T

  • 说明: 当条件testCondition为TRUE时,返回valueTrue;否则返回valueFalseOrNull

 2、非空查找函数: COALESCE

  • 语法: COALESCE(T v1, T v2, …)

  • 返回值: T

  • 说明: 返回参数中的第一个非空值;如果所有值都为NULL,那么返回NULL

3、条件判断函数:CASE

  • 语法: CASE a WHEN b THEN c [WHEN d THEN e]* [ELSE f] END

  • 返回值: T

  • 说明:如果a等于b,那么返回c;如果a等于d,那么返回e;否则返回f

4、条件判断函数:CASE

  • 语法: CASE WHEN a THEN b [WHEN c THEN d]* [ELSE e] END

  • 返回值: T

  • 说明:如果a为TRUE,则返回b;如果c为TRUE,则返回d;否则返回e

4、字符串函数

1、字符串长度函数:length

  • 语法: length(string A)

  • 返回值: int

  • 说明:返回字符串A的长度

2、字符串反转函数:reverse

  • 语法: reverse(string A)

  • 返回值: string

  • 说明:返回字符串A的反转结果

3、字符串连接函数:concat

  • 语法: concat(string A, string B…)

  • 返回值: string

  • 说明:返回输入字符串连接后的结果,支持任意个输入字符串

4、字符串连接并指定字符串分隔符:concat_ws

  • 语法: concat_ws(string SEP, string A, string B…)

  • 返回值: string

  • 说明:返回输入字符串连接后的结果,SEP表示各个字符串间的分隔符

5、字符串截取函数:substr

  • 语法: substr(string A, int start), substring(string A, int start)

  • 返回值: string

  • 说明:返回字符串A从start位置到结尾的字符串

6、字符串截取函数:substr, substring

  • 语法: substr(string A, int start, int len),substring(string A, int start, int len)

  • 返回值: string

  • 说明:返回字符串A从start位置开始,长度为len的字符串

7、字符串转大写函数:upper, ucase

  • 语法: upper(string A) ucase(string A)

  • 返回值: string

  • 说明:返回字符串A的大写格式

8、字符串转小写函数:lower, lcase

  • 语法: lower(string A) lcase(string A)

  • 返回值: string

  • 说明:返回字符串A的小写格式

9、去空格函数:trim

  • 语法: trim(string A)

  • 返回值: string

  • 说明:去除字符串两边的空格

10、url解析函数 parse_url

  • 语法: parse_url(string urlString, string partToExtract [, string keyToExtract])

  • 返回值: string

  • 说明:返回URL中指定的部分。partToExtract的有效值为:HOST, PATH, QUERY, REF, PROTOCOL, AUTHORITY, FILE, and USERINFO.

11、json解析 get_json_object

  • 语法: get_json_object(string json_string, string path)

  • 返回值: string

  • 说明:解析json的字符串json_string,返回path指定的内容。如果输入的json字符串无效,那么返回NULL。

12、重复字符串函数:repeat

  • 语法: repeat(string str, int n)

  • 返回值: string

  • 说明:返回重复n次后的str字符串

 

13、分割字符串函数: split

  • 语法: split(string str, string pat)

  • 返回值: array

  • 说明: 按照pat字符串分割str,会返回分割后的字符串数组

5、集合统计函数

1、个数统计函数: count

  • 语法: count(*), count(expr), count(DISTINCT expr[, expr_.])

  • 返回值:Int

  • 说明: count(*)统计检索出的行的个数,包括NULL值的行;count(expr)返回指定字段的非空值的个数;count(DISTINCT expr[, expr_.])返回指定字段的不同的非空值的个数

2、总和统计函数: sum

  • 语法: sum(col), sum(DISTINCT col)

  • 返回值: double

  • 说明: sum(col)统计结果集中col的相加的结果;sum(DISTINCT col)统计结果中col不同值相加的结果

3、平均值统计函数: avg

  • 语法: avg(col), avg(DISTINCT col)

  • 返回值: double

  • 说明: avg(col)统计结果集中col的平均值;avg(DISTINCT col)统计结果中col不同值相加的平均值

4、最小值统计函数: min

  • 语法: min(col)

  • 返回值: double

  • 说明: 统计结果集中col字段的最小值

5、最大值统计函数: max

  • 语法: max(col)

  • 返回值: double

  • 说明: 统计结果集中col字段的最大值

6、复合类型构建函数

1、Map类型构建: map

  • 语法: map (key1, value1, key2, value2, …)

  • 说明:根据输入的key和value对构建map类型

 建表

 -- 每列数据换行隔开

-- map数据集合之间,逗号隔开数据 

-- map数据之间冒号隔开 

创建数据内容如下并加载数据 

 -- 获取所有的value: 

获取所有的key

 

按照key来进行获取value值 

查看map元素个数 

 

构建一个map 

 

2、Struct类型构建: struct

  • 语法: struct(val1, val2, val3, …)

  • 说明:根据输入的参数构建结构体struct类型,似于C语言中的结构体,内部数据通过X.X来获取,假设我

  • 数据格式是这样的,电影ABC,有1254人评价过,打分为7.4分

建表 

 创建数据

电影ABC,有1254人评价过,打分为7.4分 

hive加载数据 

查询数据 1

3、Array类型构建: array

  • 语法: array(val1, val2, …)

  • 说明:根据输入的参数构建数组array类型

 创建表

 创建数据

 加载数据

 展示数据

-- 按照下表索引进行查询 

-- 查询所有集合数据 

 

 -- 查询元素个数 

7、复杂类型长度统计函数

1、Map类型长度函数: size(Map<k .V>)

  • 语法: size(Map<k .V>)

  • 返回值: int

  • 说明: 返回map类型的长度

 

2、array类型长度函数: size(Array<T>)

  • 语法: size(Array<T>)

  • 返回值: int

  • 说明: 返回array类型的长度

3、类型转换函数

  • 类型转换函数: cast

  • 语法: cast(expr as <type>)

  • 返回值: Expected "=" to follow "type"

  • 说明: 返回转换后的数据类型

8、行转列

1、相关函数说明

  • CONCAT(string A/col, string B/col…):返回输入字符串连接后的结果,支持任意个输入字符串;

  • CONCAT_WS(separator, str1, str2,...):它是一个特殊形式的 CONCAT()。

    • 第一个参数剩余参数间的分隔符。分隔符可以是与剩余参数一样的字符串。如果分隔符是 NULL,返回值也将为 NULL。

    • 这个函数会跳过分隔符参数后的任何 NULL 和空字符串。分隔符将被加到被连接的字符串之间;

  • COLLECT_SET(col):函数只接受基本数据类型,它的主要作用是将某字段的值进行去重汇总,产生array类型字段。

2、数据准备

  • 数据准备

nameconstellationblood_type
孙悟空白羊座A
老王射手座A
宋宋白羊座B
猪八戒白羊座A
按住啦baby射手座A

3、需求 

  • 把星座和血型一样的人归类到一起。结果如下:

4、建表并导入数据 

加载数据 

查询数据 

5、合并并查询

 合并内容

 整合数据

9、列转行

1、函数说明

  • EXPLODE(col):将hive一列中复杂的array或者map结构拆分成多行。

  • LATERAL VIEW

    • 用法:LATERAL VIEW udtf(expression) tableAlias AS columnAlias

    • 解释:用于和split, explode等UDTF一起使用,它能够将一列数据拆成多行数据,在此基础上可以对拆分后的数据进行聚合。

2、数据准备

  • 数据内容如下,字段之间都是使用\t进行分割

3、需求

  • 将电影分类中的数组数据展开。结果如下:

4、创建hive表并导入数据

  • 创建hive表

加载数据  

查询数据

2、lateral view、explode练习

1、explode函数将Map和Array字段数据进行拆分

  • explode还可以用于将hive一列中复杂的array或者map结构拆分成多行

 第一步、建表

存储格式指定textFile;默认也是textFile格式 

hive⽂件存储格式包括以下⼏类:

说明:
其中TEXTFILE为默认格式,建表时不指定默认为这个格式,导入数据时会直接把数据文件拷贝到hdfs上不进行处理;SEQUENCEFILE,RCFILE,ORCFILE.PARQUET格式的表不能直接从本地文件导入数据,数据要先导入到textfile格式的表中,然后再从表中用insert导入SequenceFle,RCFile,ORCFile,PARQUET各自表中;或者用复制表结构及数据的方式( create table as select * fromtable ) 。
一言以蔽之:如果为textfile的文件格式,直接load就OK,不需要走MapReduce;如果是其他的类型就需要走MapReduce了,因为其他的类型都涉及到了文件的压缩,这需要借助MapReduce的压缩方式来实现。
 第二步、创建并加载数据

 第三步:使用explode将hive当中数据拆开

array使用explode拆分

 explode将map当中的数据拆分开

2、使用explode拆分json字符串

第一步、创建表

 第二步、创建并的导入数据

 第三步、拆分array

第四步:使用explode拆解Map

 第五步:拆解json字段

配合LATERAL VIEW使用

  • lateral view用于和split、explode等UDTF一起使用的,能将一行数据拆分成多行数据

  • 在此基础上可以对拆分的数据进行聚合

  • lateral view首先为原始表的每行调用UDTF,UDTF会把一行拆分成一行或者多行,lateral view在把结果组合,产生一个支持别名表的虚拟表

  • 配合lateral view查询多个字段

  • 其中LATERAL VIEW explode(split(goods_id,','))goods相当于一个虚拟表,与原表explode_lateral_view笛卡尔积关联

  • 也可以多重使用,如下,也是三个表笛卡尔积的结果

 最终,我们可以通过下面的句子,把这个json格式的一行数据,完全转换成二维表的方式展现

 

总结:

  • Lateral View通常和UDTF一起出现,为了解决UDTF不允许在select字段的问题。

  • Multiple Lateral View可以实现类似笛卡尔乘积。

  • Outer关键字可以把不输出的UDTF的空结果,输出成NULL,防止丢失数据。

reflect函数

  • reflect函数可以支持在sql中调用java中的自带函数,秒杀一切udf函数。

1、使用java.lang.Math当中的Max求两列中最大值

创建表 

创建数据并添加

使用java.lang.Math当中的Max求两列当中的最大值  

2、不同记录执行不同的java内置函数

建表

建数据并导入 

 

 执行查询

3、判断是否为数字

  • 使用apache commons中的函数,commons下的jar已经包含在hadoop的classpath中,所以可以直接使用。

  • 使用方式如下:

hive自定义函数

1、自定义函数的基本介绍

  • Hive 自带了一些函数,比如:max/min等,但是数量有限,自己可以通过自定义UDF来方便的扩展。

  • 当Hive提供的内置函数无法满足你的业务处理需要时,此时就可以考虑使用用户自定义函数(UDF:user-defined function)

  • 根据用户自定义函数类别分为以下三种:

    • UDF(User-Defined-Function) 一进一出

    • UDAF(User-Defined Aggregation Function) 聚集函数,多进一出,类似于:count/max/min

    • UDTF(User-Defined Table-Generating Functions) 一进多出,如lateral view explode()

如lateral view explode()

  • 官方文档地址

    HivePlugins - Apache Hive - Apache Software Foundation

  • 编程步骤:

(1)继承org.apache.hadoop.hive.ql.UDF

(2)需要实现evaluate函数;evaluate函数支持重载;

  • 注意事项

(1)UDF必须要有返回类型,可以返回null,但是返回类型不能为void;

(2)UDF中常用Text/LongWritable等类型,不推荐使用java类型;

1、新建项目并导包

	<repositories>
        <repository>
            <id>cloudera</id>
            <url>https://repository.cloudera.com/artifactory/cloudera-repos/</url>
        </repository>
    </repositories>
    
    <dependencies>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-client</artifactId>
            <version>2.6.0-mr1-cdh5.14.2</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-common</artifactId>
            <version>2.6.0-cdh5.14.2</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-hdfs</artifactId>
            <version>2.6.0-cdh5.14.2</version>
        </dependency>

        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-mapreduce-client-core</artifactId>
            <version>2.6.0-cdh5.14.2</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hive</groupId>
            <artifactId>hive-exec</artifactId>
            <version>1.1.0-cdh5.14.2</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hive</groupId>
            <artifactId>hive-jdbc</artifactId>
            <version>1.1.0-cdh5.14.2</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hive</groupId>
            <artifactId>hive-cli</artifactId>
            <version>1.1.0-cdh5.14.2</version>
        </dependency>
    </dependencies>
    <build>
        <plugins>
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-compiler-plugin</artifactId>
                <version>3.0</version>
                <configuration>
                    <source>1.8</source>
                    <target>1.8</target>
                    <encoding>UTF-8</encoding>
                    <!--    <verbal>true</verbal>-->
                </configuration>
            </plugin>
        </plugins>
    </build>

 第二步:开发java类继承UDF,并重载evaluate 方法

package com.kkb.udf.MyUDF;

第四步:添加我们的jar包

  • 重命名我们的jar包名称

  • hive的客户端添加我们的jar包

第五步:设置函数与我们的自定义函数关联

第六步:使用自定义函数

  • hive当中如何创建永久函数

  • 在hive当中添加临时函数,需要我们每次进入hive客户端的时候都需要添加以下,退出hive客户端临时函数就会失效,那么我们也可以创建永久函数来让其不会失效

  • 创建永久函数

Json数据解析UDF开发练习

数据如下

需要的结果如下 

创建表 

创建数据并导入

导入数据

 查询数据

Hive的分桶表

分桶表原理

  • 分桶是相对分区进行更细粒度的划分

    • Hive表或分区表可进一步的分桶

    • ==分桶将整个数据内容按照某列取hash值,对桶的个数取模的方式决定该条记录存放在哪个桶当中;具有相同hash值的数据进入到同一个文件中==

    • 比如按照name属性分为3个桶,就是对name属性值的hash值对3取摸,按照取模结果对数据分桶。

      • 取模结果为==0==的数据记录存放到一个文件

      • 取模结果为==1==的数据记录存放到一个文件

      • 取模结果为==2==的数据记录存放到一个文件

作用

  • 1、取样sampling更高效。没有分桶的话需要扫描整个数据集。

  • 2、提升某些查询操作效率,例如map side join

案例演示:创建分桶表

  • 在创建分桶表之前要执行的命令

  • ==set hive.enforce.bucketing=true;== 开启对分桶表的支持

  • ==set mapreduce.job.reduces=4;== 设置与桶相同的reduce个数(默认只有一个reduce)

  • 进入hive客户端然后执行以下命令

加载数据到普通表 user_demo 中 

 加载数据到桶表user_buckets_demo中

如果导入出现,权限不足的错误

给用户赋予权限 

可以查看到该模块有四个分区 

下载第一个查看分通的内容 

 查看所有内容

抽样查询桶表的数据

  • 官网地址

  • tablesample抽样语句语法:tablesample(bucket x out of y)

    • x表示从第几个桶开始做数据采样

  • y与进行采样的桶数的个数、每个采样桶的采样比例有关;

Hive数据导入

1、直接向表中插入数据(强烈不推荐使用)

2、load加载

语法如下

 通过load方式加载数据

3、 通过查询加载数据(必须掌握)

  • 通过查询方式加载数据

  • 语法;官网地址

4、创建表时指定location

上传数据到hdfs上,我们也可以直接在hive客户端下面通过dfs命令来进行操作hdfs的数据  

5、export导出与import 导入 hive表数据(内部表操作)

Hive数据导出

insert 导出

  • 表 -> 文件

  • 官方文档

  • 语法

  • 将查询的结果导出到本地

  • 将查询的结果格式化导出到本地

  • 将查询的结果导出到HDFS上==(没有local)==

Hive Shell 命令导出

基本语法:

  • hive -e "sql语句" > file

  • hive -f sql文件 > file

  • 在linux命令行中,运行如下命令;导出myhive.stu表的数据到本地磁盘文件/kkb/install/hivedatas/student1.txt

export导出到HDFS上

Hive的静态分区和动态分区

1、 静态分区

第一步、创建静态分区表

第二步、创建数据并导入 

 第三步、加载数据到分区表,指定分区,不灵活

第四步、根据分区查询数据

 

2、动态分区

曲线救国

  • 按照需求实现把数据自动导入到表的相应分区中,==不需要手动指定分区字段的值==

  • 需求:根据分区字段不同的值,自动将数据导入到分区表不同的分区中

 准备数据

 加载数据

查看order_dynamic_partition 中的数据 

 查看分区数据

 

分组

1、Group By 语句

  • Group By语句通常会和==聚合函数==一起使用,按照一个或者多个列对结果进行分组,然后对每个组执行聚合操作。

  • Group By时select后的字段要么是分组字段、要么是聚合函数

  • ==查询非分组字段会报错==

  • 案例实操:

    • 计算每个学生的平均分数

    • 计算每个学生最高的分数

2、 Having语句

  • having 与 where 不同点

    • where针对==表中的列发挥作用==,查询数据;==having针对查询结果中的列==发挥作用,筛选数据

    • where后面==不能写聚合函数==,而having后面可以==使用聚合函数==

    • having只用于group by分组统计语句

  • 案例实操

    • 求每个学生的平均分数

    • 求每个学生平均分数大于60的人

 排序

1、order by 全局排序

  • 全局排序,只有一个reduce

  • 使用 ORDER BY 子句排序

    • asc ( ascend) 升序 (默认)

    • desc (descend) 降序

  • order by 子句在select语句的结尾

  • 案例实操

    • 查询学生的成绩,并按照分数降序排列

按照别名排序

  • 按照学生分数的平均值排序

2、 Sort By

每个MapReduce内部排序(Sort By)局部排序

  • sort by:每个reducer内部有序排序(局部有序),对全局结果集来说并非全局有序

 设置reduce个数

user_demo 原数据为

 

 

 查询成绩按照成绩降序排列

 将数据导出

导出文件有3个,因为设置mapreduce个数为3 

 

 打开第一个文件,显示局部有序

 

 

3、distribute by 分区排序

  • distribute by:

    • 类似MR中partition,==采集hash算法,在map端将查询的结果中hash值相同的结果分发到对应的reduce文件中==。

    • 结合sort by使用。

  • 注意

    • Hive要求 distribute by 语句要写在 sort by 语句之前。

  • 案例实操

    • 先按照学生 sid 进行分区,再按照学生成绩进行排序

    • 设置reduce的个数

    • 通过distribute by 进行数据的分区,,将不同的sid 划分到对应的reduce当中去

4、 cluster by

  • 当distribute by和sort by字段相同时,可以使用cluster by方式代替

  • 除了distribute by 的功能外,还会对该字段进行排序,所以cluster by = distribute by + sort by

举报

相关推荐

0 条评论