读取Hudi数据概述 Hudi的读操作，作用于Hudi的三种视图之上，可以根据需求差异选择合适的视图进行查询。 Hudi 支持多种查询引擎Spark、Hive、HetuEngine，具体支持矩阵见表1和表2。 表1 cow表 查询引擎 实时视图/读优化视图 增量视图 Hive Y

查看更多 →

读取Hudi数据概述 Hudi的读操作，作用于Hudi的三种视图之上，可以根据需求差异选择合适的视图进行查询。 Hudi 支持多种查询引擎Spark和Hive，具体支持矩阵见表1和表2。 表1 cow表 查询引擎 实时视图/读优化视图 增量视图 Hive Y Y Spark（SparkSQL）

查看更多 →

使用Scan读取数据 功能介绍 要从表中读取数据，首先需要实例化该表对应的Table实例，然后创建一个Scan对象，并针对查询条件设置Scan对象的参数值，为了提高查询效率，最好指定StartRow和StopRow。查询结果的多行数据保存在ResultScanner对象中，每行数

查看更多 →

读取Phoenix表数据 功能简介 使用Phoenix实现读数据。 代码样例 以下代码片段在com.huawei.bigdata.hbase.examples包的“PhoenixSample”类的testSelect方法中。 /** * Select Data */

查看更多 →

）则指保留最后一行。 WHERE rownum = 1: Flink 需要 rownum = 1 以确定该查询是否为去重查询。 注意事项 无 示例 根据order_id对数据进行去重，其中proctime为事件时间属性列 SELECT order_id, user, product, number

查看更多 →

）则指保留最后一行。 WHERE rownum = 1: Flink 需要 rownum = 1 以确定该查询是否为去重查询。 注意事项 无 示例 根据order_id对数据进行去重，其中proctime为事件时间属性列 SELECT order_id, user, product, number

查看更多 →

）则指保留最后一行。 WHERE rownum = 1: Flink 需要 rownum = 1 以确定该查询是否为去重查询。 注意事项 无 示例 根据order_id对数据进行去重，其中proctime为事件时间属性列 SELECT order_id, user, product, number

查看更多 →

）则指保留最后一行。 WHERE rownum = 1: Flink 需要 rownum = 1 以确定该查询是否为去重查询。 注意事项 无 示例 根据order_id对数据进行去重，其中proctime为事件时间属性列 SELECT order_id, user, product, number

查看更多 →

如何删除重复的表数据？ 清理数据库脏数据时，可能会有多条重复数据只保留一条的场景，此场景可以使用聚合函数或窗口函数来实现。 构建表数据 创建表t_customer，向表中插入包含重复记录的数据： 1 2 3 4 5 6 7 8 9 10 11 12 13 14 CREATE

查看更多 →

重复提交校验 功能介绍 数据集订阅到期后对于续订和确认销毁功能的重复提交校验接口。 URI URI格式 GET /softcomai/datalake/v1.0/subscribtions/checkRepeatCommit/{notifyId} 参数说明 参数名 是否必选 参数类型

查看更多 →

从OBS读取 CS V数据 概述 从OBS（ 对象存储服务 ）中读取csv格式的数据。 输入 无 输出 数据集 参数说明 参数 参数说明 obs_data_path OBS中csv数据文件或数据所在文件夹的绝对路径，例如：obs://桶名称/文件夹/数据文件，obs://桶名称/文件夹 has_header

查看更多 →

）则指保留最后一行。 WHERE rownum = 1: Flink 需要 rownum = 1 以确定该查询是否为去重查询。 注意事项 无 示例 根据order_id对数据进行去重，其中proctime为事件时间属性列 SELECT order_id, user, product, number

查看更多 →

使用Get读取HBase数据 功能简介 要从表中读取一条数据，首先需要实例化该表对应的Table实例，然后创建一个Get对象。也可以为Get对象设定参数值，如列族的名称和列的名称。查询到的行数据存储在Result对象中，Result中可以存储多个Cell。 代码样例 以下代码片段在com

查看更多 →

训练过程读取数据 在ModelArts上训练模型，输入输出数据如何配置？ 如何提升训练效率，同时减少与OBS的交互？ 大量数据文件，训练过程中读取数据效率低？ 使用Moxing时如何定义路径变量？ 父主题： 训练作业

查看更多 →

使用Scan读取HBase数据 功能简介 要从表中读取数据，首先需要实例化该表对应的Table实例，然后创建一个Scan对象，并针对查询条件设置Scan对象的参数值，为了提高查询效率，最好指定StartRow和StopRow。查询结果的多行数据保存在ResultScanner对象

查看更多 →

WDR报告和ASP报告导出 报告导出请联系管理员。 父主题： 附录

查看更多 →

数据集行去重 概述 “去重”节点用于删除数据集中的重复行（假如有两行相同，保留其中一行）。 对于那些不允许有重复记录输入的节点算法，可以先使用该算法做预处理。 输入 参数 子参数 参数说明 inputs dataframe inputs为字典类型，dataframe为pyspark中的DataFrame类型对象

查看更多 →

窗口去重 功能描述 窗口去重是一种特殊的去重，它根据指定的多个列来删除重复的行，保留每个窗口和分区键的第一个或最后一个数据。 对于流式查询，与普通去重不同，窗口去重只在窗口的最后返回结果数据，不会产生中间结果。它会清除不需要的中间状态。 因此，窗口去重查询在用户不需要更新结果时，

查看更多 →

重复提交校验 功能介绍 数据集订阅到期后对于续订和确认销毁功能的重复提交校验接口。 URI URI格式 GET /softcomai/datalake/v1.0/subscribtions/checkRepeatCommit/{notifyId} 参数说明 参数名 是否必选 参数类型

查看更多 →

重复启动Nginx 问题现象 报错日志出现关键字“Address already in use”示例如下所示： nginx: [emerg] bind() to ***.***.***.0:80 failed (98: Address already in use) 原因分析 n

查看更多 →

配置Spark读取HBase表数据 Spark On HBase Spark on HBase为用户提供了在Spark SQL中查询HBase表，通过Beeline工具为HBase表进行存数据等操作。通过HBase接口可实现创建表、读取表、往表中插入数据等操作。 登录Manager界面，选择“集群

查看更多 →