hive命令执行小记

1、表(非分区表)新增字段

alter table test.weblogs add columns( month string);

2、移动新增字段位置

alter table test.weblogs change column month month string after day;

3、清空表记录

truncate table test.weblogs;    

4、hive alter DDL基本语法  

ALTER TABLE name RENAME TO new_name

ALTER TABLE name ADD COLUMNS (col_spec[, col_spec ...])

ALTER TABLE name DROP [COLUMN] column_name

ALTER TABLE name CHANGE column_name new_name new_type

ALTER TABLE name REPLACE COLUMNS (col_spec[, col_spec ...])

(col_spec[, col_spec ...])

ALTER TABLE name DROP [COLUMN] column_name

ALTER TABLE name CHANGE column_name new_name new_type

ALTER TABLE name REPLACE COLUMNS (col_spec[, col_spec ...])

参考:https://www.yiibai.com/hive/hive_alter_table.html

https://blog.csdn.net/xiongbingcool/article/details/83181965

5、hive学习之路 参考

https://www.cnblogs.com/qingyunzong/p/8847775.html

6、select count(*) 得0的问题,hive表有记录,涉及count计算有关设置

1)hive默认设置 hive.compute.query.using.stats=true  //改为false 不从元数据取值,可计数,但性能不高,不推荐

2)执行ANALYZE TABLE test.weblogs_agg COMPUTE STATISTICS; //生成统计信息,从元数据库取数、秒查,推荐

(非分区表)ANALYZE TABLE $table_name COMPUTE STATISTICS;

(分区表)ANALYZE TABLE $table_name partition(p=$1) COMPUTE STATISTICS;

参考:https://www.cnblogs.com/barneywill/p/10431323.html

7、执行hive建表,内存用超异常

建表语句:drop table if exists weblogs_agg;

create table if not exists weblogs_agg  as

select client_ip,year,month,month_num,count(*)

from weblogs   group by client_ip,year,month,month_num;

异常日志:http://slave01.hadoop:19888/jobhistory/app

Container [pid=122930,containerID=container_e03_1557634582519_0006_01_000003] is running beyond physical memory limits. Current usage: 201.5 MB of 170 MB physical memory used; 1.9 GB of 357.0 MB virtual memory used. Killing container. 

原因分析:

0)执行hql,对40多万条记录进行分组(汇总)并count计数,可能耗内存较多

1)201.5 MB:任务所占的物理内存

2)170 MB: mapreduce.map.memory.mb 参数默认设置大小

3)  1.9 GB:程序占用的虚拟内存

4)  357 MB(Map): mapreduce.map.memory.mb 170 乘以 yarn.nodemanager.vmem-pmem-ratio 2.1 得到的357

解决路径:

1)调整map memory 从170MB到250MB

2)yarn.nodemanager.vmem-pmem-ratio 从2.1改到4,map虚存到250*4 = 1GB

3)reduce memory调到500MB,reduce虚存到500*4 = 2GB

参考:https://blog.csdn.net/abysscarry/article/details/80331311

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,591评论 6 501
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,448评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,823评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,204评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,228评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,190评论 1 299
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,078评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,923评论 0 274
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,334评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,550评论 2 333
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,727评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,428评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,022评论 3 326
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,672评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,826评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,734评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,619评论 2 354

推荐阅读更多精彩内容