大数据：数据表操作，分区表
2022找工作是学历、能力和运气的超强结合体，遇到寒冬，大厂不招人，可能很多算法学生都得去找开发，测开
测开的话，你就得学数据库，sql，oracle，尤其sql要学，当然，像很多金融企业、安全机构啥的，他们必须要用oracle数据库
这oracle比sql安全，强大多了，所以你需要学习，最重要的，你要是考网络警察公务员，这玩意你不会就别去报名了，耽误时间！
与此同时，既然要考网警之数据分析应用岗，那必然要考数据挖掘基础知识，今天开始咱们就对数据挖掘方面的东西好生讲讲 最最最重要的就是大数据，什么行测和面试都是小问题，最难最最重要的就是大数据技术相关的知识笔试
文章目录
- 大数据：数据表操作，分区表
- @[TOC](文章目录)
- 大数据：分区表
- 分桶表
- 修改表
- 复杂操作array类型
- map数据类型
- struct数据类型
- hive反正就是基于MapReduce的sql框架，它能写sql又能做分布式计算，这些知识好好复习，对于未来考网络警察很有帮助的。
- 总结
文章目录
- 大数据：数据表操作，分区表
- @[TOC](文章目录)
- 大数据：分区表
- 分桶表
- 修改表
- 复杂操作array类型
- map数据类型
- struct数据类型
- hive反正就是基于MapReduce的sql框架，它能写sql又能做分布式计算，这些知识好好复习，对于未来考网络警察很有帮助的。
- 总结
大数据：分区表
物理上就是文件夹分开
美滋滋
语法是
partitioned by(字段，列类型)
注入数据是放5月的那个分区
这样的话，相当于指定了一个字段属性
分区就会继续构建子文件夹
美滋滋
多级分区
相当于仨文件目录
注入数据
缩小查询范围
过滤条件，跟sql很类似
分桶表
分桶是为了负载均衡
文件的数量固定
目的是负载均衡
reduce的数量和分桶一样
估计就是为了方便计算通道匹配
clustered by(字段) into k buckets关键字
分桶，利用哪个字段来分桶
哈希值随机分桶，牛逼的
算法里面学过的
load中转
做一个表，不能从数据直接干到分桶表中
分桶
建表是clustered by
导入数据是cluster
没有ed
看看hdfs
指定了分桶的数量是3
按照cid这个字段来分桶
分桶原理就是哈希表映射
cid哈希值%3
就行了
数据需要一分为三
你不能直接干进去
还需要计算去向
只要计算，就必须要过MapReduce
于是load data干不了，它不会触发的
所以每个桶，不见得里面的东西是一样的
分桶的目的就是确定某些数据，一定在同一个桶中
不必去找别的桶
懂吗
对应join，合并即可
自然成组
修改表
修改表名
修改表的属性，内部表，外部表
添加文件夹
修改文件夹名字
删除文件夹
分区就是文件夹分级
没必要搞分区
不要操作分区的骚操作
加列
复杂操作array类型
数组内部是逗号分割
统计数组个数
不管python，java，c++，还是sql，hive，都类似的，核心思想不变的
map数据类型
集合项目之间以#分隔
map键值对通过：分隔
好说
map类型，这个比sql牛逼啊
python中的字典
就是kv键值对
好说
struct数据类型
结构体，c中的
hive反正就是基于MapReduce的sql框架，它能写sql又能做分布式计算，这些知识好好复习，对于未来考网络警察很有帮助的。
总结
提示：重要经验：
1）
2）学好oracle，即使经济寒冬，整个测开offer绝对不是问题！同时也是你考公网络警察的必经之路。
3）笔试求AC，可以不考虑空间复杂度，但是面试既要考虑时间复杂度最优，也要考虑空间复杂度最优。
