Hive同步 Hive同步数据报错SQLException Hive同步数据报错HoodieHiveSyncException Hive同步数据报错SemanticException 父主题： Hudi常见问题

查看更多 →

径，您也可以联系管理员获取此文件。使用集群配置前需在集群配置管理中配置此参数。 linkConfig.hiveVersion 是 枚举 Hive版本： HIVE_1_X HIVE_3_X linkConfig.user 否 String 登录Manager平台的用户名，使用集群配置时不用配置

查看更多 →

而运行的大数据集群，对外提供大容量数据的存储和分析能力，可解决用户的数据存储和处理需求。有关 MRS 服务的详细信息，请参考《 MapReduce服务 用户指南》。 用户可以将海量业务数据，存储在MRS的分析集群，即使用Hive/Spark组件保存。Hive/Spark的数据文件则保存在HDFS中。 GaussDB (DWS)

查看更多 →

HIVE优化 概述 Hive架构 Hive提供了Hadoop的SQL能力，主要参考标准的SQL，Hive进行了部分的修改，形成了自己的特有的SQL语法HQL（Hive SQL），更加适合于Hadoop的分布式体系，该SQL目前是Hadoop体系的事实标准。 Hive调优 用户输入

查看更多 →

径，您也可以联系管理员获取此文件。使用集群配置前需在集群配置管理中配置此参数。 linkConfig.hiveVersion 是 枚举 Hive版本： HIVE_1_X HIVE_3_X linkConfig.user 否 String 登录Manager平台的用户名，使用集群配置时不用配置

查看更多 →

使用Hive Hive用户权限管理 Hive客户端使用实践 快速使用Hive进行数据分析 Hive数据存储及加密配置 Hive on HBase 配置Hive读取关系型数据库数据 Hive企业级能力增强 Hive性能调优 Hive运维管理 Hive常见SQL语法说明 Hive常见问题

查看更多 →

Hive输入 概述 “Hive输入”算子，将Hive表的指定列转换成同等数量的输入字段。 输入与输出 输入：Hive表列 输出：字段 参数说明 表1 算子参数说明 参数 含义 类型 是否必填 默认值 Hive数据库 Hive的数据库名称。 String 否 default Hive表名

查看更多 →

hoodie.archive.file.cleaner.policy = KEEP_ARCHIVED_FILES_BY_DAYS; set hoodie.archive.file.cleaner.days.retained = 30; run cleanarchive on tabl

查看更多 →

Hive on HBase 配置跨集群互信下Hive on HBase 删除Hive on HBase表中的单行记录 父主题： 使用Hive

查看更多 →

Hive方言 简介 从Flink 1.11.0 开始，在使用Hive方言时，Flink允许用户用Hive语法来编写SQL语句。通过提供与Hive语法的兼容性，改善与Hive的互操作性，并减少用户需要在Flink和Hive之间切换来执行不同语句的情况。详情可参考：Apache Flink

查看更多 →

MRS Hive连接ZooKeeper时报错“ConnectionLoss for hiveserver2” Hive执行insert into语句报错 增加Hive表字段超时 重启Hive服务失败 Hive分区数过多导致删除表失败 Hive执行msck repair table命令时报错

查看更多 →

hoodie.archive.file.cleaner.policy = KEEP_ARCHIVED_FILES_BY_DAYS; hoodie.archive.file.cleaner.days.retained = 30; 提交SQL run cleanarchive on tabl

查看更多 →

竞争力的解决方案。 DWS提供存算一体、存算分离多种产品形态，围绕企业级内核、实时分析、协同计算、融合分析、云原生五大方向构筑业界第一 数据仓库 。详情请参见数据仓库类型。 存算一体：面向数据分析场景，为用户提供高性能、高扩展、高可靠、高安全、易运维的企业级数仓服务，支持2048节点

查看更多 →

Hive应用开发简介 Hive简介 Hive是一个开源的，建立在Hadoop上的数据仓库框架，提供类似SQL的HiveQL语言操作结构化数据，其基本原理是将HiveQL语言自动转换成MapReduce任务或Spark任务，从而完成对Hadoop集群中存储的海量数据进行查询和分析。

查看更多 →

Hive应用开发简介 Hive简介 Hive是一个开源的，建立在Hadoop上的数据仓库框架，提供类似SQL的HQL语言操作结构化数据，其基本原理是将HQL语言自动转换成MapReduce任务或Spark任务，从而完成对Hadoop集群中存储的海量数据进行查询和分析。 Hive主要特点如下：

查看更多 →

案例：调整分布键 现象描述 某局点测试过程中EXPLAIN ANALYZE后有如下情况： 从执行信息上比较明确的可以看出HashJoin是整个计划的性能瓶颈点，并且从HashJoin的执行时间信息[2657.406,93339.924](数值的具体含义请参见SQL执行计划详解)，

查看更多 →

案例：使排序下推 现象描述 在做场景性能测试时，发现某场景大部分时间是CN端在做window agg，占到总执行时间95%以上，系统资源不能充分利用。研究发现该场景的特点是：将两列分别求sum作为一个子查询，外层对两列的和再求和后做trunc，然后排序。 表结构如下所示： 1 2

查看更多 →

实际调优案例 案例：调整查询重写GUC参数rewrite_rule 案例：调整基于代价的查询重写GUC参数costbased_rewrite_rule 案例：建立合适的索引 案例：增加JOIN列非空条件 案例：改写SQL消除子查询 案例：改写SQL消除in-clause 父主题：

查看更多 →

SQL调优案例 案例：选择合适的分布列 案例：建立合适的索引 案例：增加JOIN列非空条件 案例：使排序下推 案例：设置cost_param对查询性能优化 案例：调整局部聚簇键 案例：调整中间表存储方式 案例：改建分区表 案例：调整GUC参数best_agg_plan 案例：改写SQL排除剪枝干扰

查看更多 →

案例：使排序下推 在做场景性能测试时，发现某场景大部分时间是CN端在做window agg，占到总执行时间95%以上，系统资源不能充分利用。研究发现该场景的特点是：将两列分别求sum作为一个子查询，外层对两列的和再求和后做trunc，然后排序。可以尝试将语句改写为子查询，使排序下推。

查看更多 →

历史待下线案例 使用AI Gallery的订阅算法实现花卉识别 示例：从 0 到 1 制作 自定义镜像 并用于训练（Pytorch+CPU/GPU） 示例：从 0 到 1 制作自定义镜像并用于训练（MPI+CPU/GPU） 使用ModelArts Standard一键完成商超商品识别模型部署

查看更多 →