1.hive建表 多种分隔符,支持list,map结构
https://stackoverflow.com/questions/18011252/how-to-define-nested-collection-items-in-hive
2.hive导入json数据 自定义SerDe
http://www.cnblogs.com/likai198981/archive/2013/05/05/3061499.html
3.hive中内表与外表的区别
记住一条:load 是会迁移文件路径的 load pathA in tableA,会将hdfs pathA路径下的文件迁移到tableA下
后面外表与内表的区别就很简单了,内表会删除数据,外表则不会;
http://blog.csdn.net/hi_1234567/article/details/9321117
4. hive中存在静态分区和动态分区 动态分区可以利用一张大表中的某一字段主动的创建各个小的分区表
5.hive中控制map reduce数量方法
map:
set mapred.max.split.size=256000000; -- 决定每个map处理的最大的文件大小，单位为B
set mapred.min.split.size.per.node=1; -- 节点中可以处理的最小的文件大小
set mapred.min.split.size.per.rack=1; -- 机架中可以处理的最小的文件大小
reduce:
方法1 set mapred.reduce.tasks=10; -- 设置reduce的数量
方法2 set hive.exec.reducers.bytes.per.reducer=1073741824 -- 每个reduce处理的数据量,默认1GB
hive划分map数量逻辑:
可以简单的理解为集群对一个表分区下面的文件进行分发到各个节点，之后根据mapred.max.split.size确认要启动多少个map数，假设当前设置为250M,逻辑如下
a.假设有两个文件大小分别为(256M,280M)被分配到节点A，那么会启动两个map，剩余的文件大小为10MB和35MB因为每个大小都不足241MB会先做保留
b.根据参数set mapred.min.split.size.per.node看剩余的大小情况并进行合并,如果值为1，表示a中每个剩余文件都会自己起一个map，这里会起两个，如果设置为大于45*1024*1024则会合并成一个块，并产生一个map
如果mapred.min.split.size.per.node为10*1024*1024，那么在这个节点上一共会有4个map，处理的大小为(245MB,245MB,10MB,10MB，10MB，10MB)，余下9MB
如果mapred.min.split.size.per.node为45*1024*1024，那么会有三个map，处理的大小为(245MB,245MB,45MB)
实际中mapred.min.split.size.per.node无法准确地设置成45*1024*1024，会有剩余并保留带下一步进行判断处理
c. 对b中余出来的文件与其它节点余出来的文件根据mapred.min.split.size.per.rack大小进行判断是否合并，对再次余出来的文件独自产生一个map处理
详见文章:http://blog.csdn.net/zhong_han_jun/article/details/50814246