问题标签 [hive-query]

在采访中被问到：我有 2 张表，一张表有类似的记录ID, Name, address。id(pk)是从 1 到 10000000。

另一个表有从 10000001 到 20000000 的记录。

我必须检查表 1 或表 2 中是否存在特定 ID 并返回相应的结果。

因为表大小很大，所以必须想一个优化的方法来做到这一点。

我正在研究如何在 Hive 中取消透视表并将未透视的副本存储到数据库中的新表中。例如，我有这样的原始表：

我需要将其转换为

并将其存储为新表。任何人都可以请建议如何在蜂巢中执行此操作。谢谢

我试图在一个查询中获得累积总和。它在 SQL、PRESTO 等中运行良好，但在 HIVE 中却不行，这会引发错误消息。

预期输出：

错误 ：

[代码：40000，SQL 状态：42000] 编译语句时出错：失败：SemanticException 无法将窗口调用分解为组。至少 1 个组必须仅依赖于输入列。还要检查循环依赖。潜在错误：org.apache.hadoop.hive.ql.parse.SemanticException: Line 1:24 Expression not in GROUP BY key 'revenue'

有什么建议么 ？

我正在使用以下查询：

并收到以下错误：

请帮助我。

嗨，我对此很陌生。我有三列 INTEGER 格式的 YEAR、MONTH、DAY。

我想加载脚本并将 YEAR、MONTH、DAY 组合为单列并获取最大值。

我试过了，

通过这样做，我将得到 2020_5_21 的结果。但我应该使用分隔符并找到日期的最大值。

发生以下错误：连接器回复错误：SQL##f - SqlState：S1000，ErrorCode：35，ErrorMsg：[Cloudera][Hardy] (35) 来自服务器的错误：错误代码：'1' 错误消息：'编译时出错语句：失败：执行错误，从 org.apache.hadoop.hive.ql.exec.tez.TezTask' 返回代码 1。

我想在 WHERE 子句中使用结果。但我不知道声明。SQL 从 HIVE 中选择 *。abc.`abc1' 其中 ---- ;

请帮忙。

以下设置解决了镶木地板中的类似问题。
Set parquet.column.index.access= true ;
类似地尝试了兽人表，但列的结果为空。
orc.column.index.access=false
Orc table的解决方案是什么？

我已经使用以下查询创建了一个 ORC 格式的配置单元表，并且我能够在集群 1 中查询相同的表。现在我已经使用 distcp 将底层 ORC 文件传输到不同的集群（集群 2），并且我已经创建了相同的表结构在集群 2 中。当我运行 msck 修复表时，它能够加载分区，但是当我查询它的失败并出现严重问题时。

在来自集群 1 的 distcp orc 文件之后，用于在集群 2 中创建表的查询：

执行 msck 修复：（成功）

当我查询表时，它失败并出现以下错误：

你能帮忙解释一下为什么会这样吗？两者都有相同的兽人文件。但是 cluster-1 我们在创建表后使用插入数据insert into，在 cluster-2 中我们传输文件并在其上创建表。

我不确定以下配置单元查询有什么问题。但是，它抛出错误。

我可以单独运行此查询。但是，在运行时遇到问题union

错误

[training@localhost ~]$ cat emp90

我正在使用此查询查询我的数据

SELECT date_col,max(rate) FROM crypto group by date_col ;

我期待单行，但它返回表中的所有行。这个查询有什么错误？