注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. hive优化总结

  2. hive ，优化总结，本文涉及HIVE的参数设置，H—SQL关系的写法中需要注意的地方。

  3. 所属分类：其它

    • 发布日期：2011-12-09
    • 文件大小：25600
    • 提供者：phoenix213

  1. 实战Hadoop：开启通向云计算的捷径

  2. 第1章 神奇的大象——Hadoop 1.1 初识神象 1.2 Hadoop初体验 1.2.1 了解Hadoop的构架 1.2.2 查看Hadoop活动 1.3 Hadoop族群 1.4 Hadoop安装 1.4.1 在Linux系统中安装Hadoop 1.4.2 在Windows系统中安装Hadoop 1.4.3 站在象背上说“hello” 1.4.4 Eclipse下的Hadoop应用开发 参考文献 第2章 HDFS——不怕故障的海量存储 2.1 开源的GFS——HDFS 2.1.1 设计前

  3. 所属分类：其它

    • 发布日期：2013-07-31
    • 文件大小：61865984
    • 提供者：jsntghf

  1. hive 优化总结

  2. 根据个人编程经验，对hive相关的个人优化总结文档，分享给大家

  3. 所属分类：其它

    • 发布日期：2014-01-09
    • 文件大小：411648
    • 提供者：zuozhi1210

  1. IT十八掌_Hive阶段学习笔记(课堂笔记与优化总结)

  2. IT十八掌第三期配套课堂笔记 1、Hive工作原理、类型及特点 2、Hive架构及其文件格式 3、Hive操作及Hive复合类型 4、Hive的JOIN详解 5、Hive优化策略 6、Hive内置操作符与函数 7、Hive用户自定义函数接口 8、Hive的权限控制

  3. 所属分类：Hive

    • 发布日期：2017-09-02
    • 文件大小：15728640
    • 提供者：chajuexiu4867

  1. Hive大数据倾斜总结

  2. Hive查询生成多个map reduce job，一个map reduce job又有map，reduce，spill，shuffle，sort等多个阶段，所以针对hive查询的优化可以大致分为针对MR中单个步骤的优化，针对MR全局的优化以及针对整个查询的优化。 一个Hive查询生成多个Map Reduce Job，一个Map Reduce Job又有Map，Reduce，Spill，Shuffle，Sort等多个阶段，所以针对Hive查询的优化可以大致分为针对MR中单个步骤的优化（其中又会有

  3. 所属分类：Hive

    • 发布日期：2017-09-07
    • 文件大小：214016
    • 提供者：qq_37051667

  1. hive性能优化

  2. hive查询优化实践总结 optimizing hive queries， 详细描述了一些经典hive查询优化方法

  3. 所属分类：Hive

    • 发布日期：2018-06-02
    • 文件大小：968704
    • 提供者：weixin_39391253

  1. hive参数优化总结

  2. 本文档主要总结了hive的参数优化，对hive的理解具有一定的作用

  3. 所属分类：Hive

    • 发布日期：2018-06-20
    • 文件大小：39936
    • 提供者：godlovedaniel

  1. 工作总结hive优化

  2. hive 优化。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。

  3. 所属分类：其它

    • 发布日期：2018-07-11
    • 文件大小：708608
    • 提供者：weixin_42664075

  1. hive数据倾斜问题总结笔记

  2. 总结了hive中数据处理发生的倾斜问题，不同的原因对应不同的解决方案，比较具体可实操的方法

  3. 所属分类：Hive

    • 发布日期：2018-07-22
    • 文件大小：13312
    • 提供者：lwmxa

  1. hive性能调优

  2. 本文主要是从Hive参数配置及应用程序设计与开发的角度，总结几种常用的性能优化方法

  3. 所属分类：Hive

    • 发布日期：2018-07-24
    • 文件大小：1048576
    • 提供者：long199366

  1. SparkSql技术

  2. 目录 一：为什么sparkSQL？ 3 1.1：sparkSQL的发展历程 3 1.1.1：hive and shark 3 1.1.2：Shark和sparkSQL 4 1.2：sparkSQL的性能 5 1.2.1：内存列存储（In-Memory Columnar Storage） 6 1.2.2：字节码生成技术（bytecode generation，即CG） 6 1.2.3：scala代码优化 7 二：sparkSQL运行架构 8 2.1：Tree和Rule 9 2.1.1：Tree

  3. 所属分类：spark

    • 发布日期：2018-08-16
    • 文件大小：5242880
    • 提供者：silentwolfyh

  1. hive调优总结文档-hive tuning ppt

  2. hive调优总结，网络上分享的hive常见优化细节，join、shuffle优化等等。很不错

  3. 所属分类：Hive

    • 发布日期：2018-08-22
    • 文件大小：6291456
    • 提供者：genghaihua

  1. hive查询优化

  2. hive作为hadoop系列的计算模型，在公司的数据清洗和报表开发广泛使用，合理的优化自己的语句结构可以节省计算时间，优化集群的计算资源，下面总结下日常工作中自己碰到的一些问题和别人总结的一些方法。

  3. 所属分类：Hive

  1. Hive优化以及执行原理

  2. Hive优化以及执行原理，一位前辈总结的hive知识，个人觉得非常有用，资源难找，现在贡献给大家，独乐乐不如众乐乐。

  3. 所属分类：Hive

    • 发布日期：2018-11-20
    • 文件大小：2097152
    • 提供者：shujuxiong

  1. Hive性能优化总结

  2. 查找性能低下的原因；分析性能低下的根源；从配置及程序角度进行优化。

  3. 所属分类：Hive

    • 发布日期：2019-02-11
    • 文件大小：242688
    • 提供者：chenyeren77

  1. Hive 优化以及执行原理

  2. hive调优总结，网络上分享的hive常见优化细节,这是一个前辈的总结，个人觉得，总结得相当到位和详细

  3. 所属分类：Java

    • 发布日期：2019-02-24
    • 文件大小：2097152
    • 提供者：weixin_41045909

  1. hadoop的优化.docx

  2. hadoop学习过程中的调优总结，Mapreduce/hive相关的调优，Linux层面的一些调优，Mr/hive 的调优

  3. 所属分类：Hadoop

    • 发布日期：2019-07-18
    • 文件大小：21504
    • 提供者：weixin_43918652

  1. java大数据面试基础v2.docx

  2. 本文总结java 大数据等基础知识，可用于面试前的查漏补缺；包含java集合、多线程、异常；包含hadoop、hive、storm、spark、zookeeper、kafka等技术；包括mysql数据库的查询及优化知识点；包括vue、react等前端框架；也包括部门机器学习相关知识；供大家参考。

  3. 所属分类：Java

    • 发布日期：2020-09-29
    • 文件大小：7340032
    • 提供者：long199366

  1. Hive性能优化

  2. 本文来自于cnblogs,赘述了在工作中总结Hive的常用优化手段和在工作中使用Hive出现的问题。下面开始本篇文章的优化介绍:继续《那些年使用Hive踩过的坑》一文中的剩余部分.首先，我们来看看Hadoop的计算框架特性，在此特性下会衍生哪些问题？数据量大不是问题，数据倾斜是个问题。jobs数比较多的作业运行效率相对比较低，比如即使有几百行的表，如果多次关联多次汇总，产生十几个jobs，耗时很长。原因是mapreduce作业初始化的时间是比较长的。sum,count,max,min等UDAF，

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：195584
    • 提供者：weixin_38543293

  1. Hive性能优化

  2. 本文来自于cnblogs,赘述了在工作中总结Hive的常用优化手段和在工作中使用Hive出现的问题。下面开始本篇文章的优化介绍:继续《那些年使用Hive踩过的坑》一文中的剩余部分.首先，我们来看看Hadoop的计算框架特性，在此特性下会衍生哪些问题？数据量大不是问题，数据倾斜是个问题。jobs数比较多的作业运行效率相对比较低，比如即使有几百行的表，如果多次关联多次汇总，产生十几个jobs，耗时很长。原因是map reduce作业初始化的时间是比较长的。sum,count,max,min等UDAF

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：188416
    • 提供者：weixin_38507208
« 12 »