Hadoop集群的基本操作（四：Hive的基本操作）

悠悠 2022-01-28 10:05 455阅读 0赞

<table style="width:654px;"> 
 <tbody> 
 <tr> 
 <td style="width:54.6pt;"> 实验 目的 要求 </td> 
 <td style="width:436.05pt;"> &nbsp; 目的： （1）掌握数据仓库工具Hive的使用； 要求： 
 <ol> 
 <li>掌握数据仓库Hive的使用；</li> 
 <li>能够正常操作数据库、表、数据；</li> 
 </ol>&nbsp; </td> 
 </tr> 
 <tr> 
 <td style="width:54.6pt;"> &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; 实 验 环 境 &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; </td> 
 <td style="width:436.05pt;"> &nbsp; 
 <ol> 
 <li>五台独立PC式虚拟机；</li> 
 <li>主机之间有有效的网络连接；</li> 
 <li>每台主机内存2G以上，磁盘50G；</li> 
 <li>所有主机上安装CentOS7-64位操作系统；</li> 
 <li>所有主机已完成静态网络地址、主机名、主机地址映射的配置；</li> 
 <li>已完成Hadoop平台的搭建；</li> 
 <li>已完成MySQL数据库平台的搭建；</li> 
 <li>已完成Hbase的安装；</li> 
 <li>已完成Hive数据仓库的安装；</li> 
 </ol>&nbsp; 软件版本： &nbsp;&nbsp;&nbsp;&nbsp; &nbsp;&nbsp;&nbsp;选用Hive的2.1.1版本，软件包名apache-hive-2.1.1-bin.tar.gz； &nbsp; </td> 
 </tr> 
 </tbody> 
</table>

# 练习内容 #

## **步骤一：Hive工具安装配置** ##

1、集群的启动；

★ 该项的所有操作步骤使用专门用于集群的用户admin进行。

★ 启动HBase集群之前首先确保Zookeeper集群已被开启状态。（实验5台），Zookeeper的启动需要分别在每个计算机的节点上手动启动。如果家目录下执行启动报错，则需要进入zookeeper/bin目录执行启动命令。

★ 启动HBase集群之前首先确保Hadoop集群已被开启状态。 （实验5台）Hadoop只需要在主节点执行启动命令。

a) 在集群中所有主机上使用命令“zkServer.sh status”查看该节点Zookeeper服务当前的状态，若集群中只有一个“leader”节点，其余的均为“follower”节点，则集群的工作状态正常。如果Zookeeper未启动，则在集群中所有主机上使用命令“zkServer.sh start”启动Zookeeper服务的脚本;

![20190523220133845.jpeg][]![20190523220133850.jpeg][]![20190523220133854.jpeg][]![20190523220133856.jpeg][]                ![20190523220133861.jpeg][]

b) 在主节点，查看Java进程信息，若有名为“NameNode”、“ResourceManager”的两个进程，则表示Hadoop集群的主节点启动成功。在每台数据节点，若有名为“DataNode”和“NodeManager”的两个进程，则表示Hadoop集群的数据节点启动成功, 如果不存在以上三个进程，则在主节点使用此命令,启动Hadoop集群。

主节点及备用主节点：

![20190523220133858.jpeg][]![20190523220133867.jpeg][]

通信节点：

![20190523220133873.jpeg][]![20190523220133869.jpeg][]![20190523220133877.jpeg][]

c) 确定Hadoop集群已启动状态，然后在主节点使用此命令,启动HBase集群, 在集群中所有主机上使用命令“jps”;

![20190523220133887.jpeg][]

2、在主节点使用命令“hive”启动Hive，启动成功后能够进入Hive的控制台。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70][]

3、在控制台中使用命令“show databases;”查看当前的数据库列表。

![20190523220133888.png][]

## 练习： ##

1、启动Hive，Hive常用命令；

命令：

$hive            \#启动Hive，启动成功后能够进入Hive的控制台

>show databases; \#查看当前的数据库列表

>create database test1;    \#创建数据库

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70][]

>show databases;

>use test1;                \#使用数据库

>create table testable(id int,name string,age int,tel string)row format delimited fields terminated by’,’stored as textfile;

![20190523220133902.png][]

>show tables;

>drop table testable;       \#删除表

>drop database test1;       \#删除数据库

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 1][]

2、Hive的数据模型\_内部表

-与数据库中的Table在概念上是类似的。

-每一个Table在Hive中都有一个相应的目录存储数据。

-所有的Table数据（不包括External Table）都保存在这个目录中。

练习：

命令：

$hive

>create database test2;

>use test2;

>create database test3;

>use test3;

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 2][]

>create table t1(tid int, tname string, age int);

>create table t2(tid int, tname string, age int) location '/mytable/hive/t2';

>create table t3(tid int, tname string, age int) row format delimited fields terminated by ';

>create table t4 as select \* from t1;

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 3][]

$ hadoop fs -ls /user/hive/warehouse/

![20190523220133928.png][]

$ hadoop fs -ls /user/hive/warehouse/test2.db

$ hadoop fs -ls /user/hive/warehouse/test2.db/t1

![20190523220133921.jpeg][]

$ hadoop fs -ls /mytable/hive/

![20190523220133927.jpeg][]

>desc t1;

>alter table tl add columns(english int);

>desc t1;

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 4][]

>drop table t1;

$hdfs dfs -ls /user/hive/warehouse/test2db

![20190523220133932.png][]

3、Hive的数据模型\_分区表

命令：

$hive

>create database test4;

>use test4;

a)准备数据表；

>create table sampledata (sid int, sname string, gender string, language int,math int, english int) row format delimited fields terminated by,' stored astextfile;

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 5][]

b)准备文件数据；

在admin用户家目录下新建sampledata.txt内容：

1,Tom,M,60,80,96

2,Mary,F,ll,22,33

3,Jerry,M,90,11,23

4,Rose,M,78,77,76

5,Mike,F,99,98,98

![20190523220133937.jpeg][]

![20190523220133938.jpeg][]

c)将文本数据插入到数据表；

>load data local inpath ‘/home/admin/sampledata.txt’into table sampledata;

>select \* from sampledata;

-partition对应于数据库中的Partition 列的密集索引  
\-在Hive中, 表中的一个Partition对应于表下的一个目录, 所有的Partition的数据都存储在对应的目录中。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 6][]

d)创建分区表;

命令：  
>create table partition \_table(sid int,sname string)partitioned by(gender  
string)row format delimited fields terminated by',;  
> select\*from partition\_table;

e)向分区表中插入数据;

命令：  
> insert into table partition table partition(gender='M')select sid,sname from sampledata where gender='M';  
> insert into table partition table partition(gender='F') select sid, sname from sampledata where gender='F';

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 7][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 8][]  
> select\*from partition table;

![20190523220133970.png][]  
> show partitions partition table; \#查看表的分区信息

注：select查询中会扫描整个内容，会消耗大量时间。由于相当多的时候人们只关心表中的一部分数据，故建表时引入了区分概念。

![20190523220133982.png][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 9][]

4、Hive的数据模型\_外部表

外部表(External Table)

\-指向已经在HDFS中存在的数据, 可以创建Partition

\-它和内部表在元数据的组织上是相同的, 而实际数据的存储则有较大的差异。

\-外部表只有一个过程, 加载数据和创建表同时完成, 并不会移动到数据仓库目录中, 只是与外部数据建立一个链接。 当删除一个外部表时,仅删除该链接。

*  准备几张相同数据结构的数据txt文件, 放在HDFS的/input 目录下。
 *  在hive下创建一张有相同数据结构的外部表external student,location设置为HDFS的/input 目录。则external\_student会自动关连/input下的文件。
 *  查询外部表。
 *  删除/input目录下的部分文件。
 *  查询外部表。 删除的那部分文件数据不存在。
 *  将删除的文件放入/input目录。
 *  查询外部表。 放入的那部分文件数据重现。

(1)准备数据:

在admin家目录下分别新建studentl.txt内容:

1.Tom,M,60,80,96

2,Mary,F,11,22,33

![20190523220133989.jpeg][]![20190523220133991.png][]

student2.txt内容:

3,Jerry,M,90,11,23

![20190523220133983.png][]

student3.txt内容:

4,Rose,M,78,77,76

5,Mike,F,99,98,98

![20190523220133983.png][]![20190523220133989.jpeg][]

Shdfs dfs-ls/

$ hdfs dfs-mkdir /input

将文件放入HDFS文件系统

语法:

$hdfs dfs-put localFileName hdfsFileDir

$hdfs dfs-put studentl.txt /input

$hdfs dfs -put student2.txt /input

$hdfs dfs -put student3.txt/input

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 10][]

$hive

>create database test5;

>use test5;

![2019052322013428.png][]

(2)创建外部表

> create table external\_student(sid int,sname string,gender string,language int,math int,english int)row format delimited fields terminatedby''location'/input';

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 11][]

(3)查询外部表

>select\*from external\_student;

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 12][]

(4)删除HDFS上的student1.txt

$ hdfs dfs-rm /input/studentl.txt

![20190523220946916.jpeg][]

(5)查询外部表

>select\*from external\_student;

![2019052322013448.png][]

(6)将student1.txt 重新放入HDFS input目录下

$ hdfs dfs-put student1.txt/input

![2019052322013440.png][]![2019052322013450.png][]

(7)查询外部表

>select\*from external\_student;

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 13][]

5、Hive的数据模型\_桶表

命令：

$hive

>create database test6;

>use test6;

![20190523221001295.png][]

>create table users (sid int,sname string,age int)row delimited fields terminated by’,’;

![2019052322013451.png][]

准备文本数据:

在admin用户家目录下新建users.txt内容:

1,Bear,18

2.Cherry,23

3.Lucky,33

4,Dino,26

5,Janel,28

![2019052322013449.png][]![2019052322013458.png][]

命令：

hive> load data local inpath'/home/admin/users.txt'into table users;

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 14][]

hive> create table bucket\_table(sid int,sname string,age int)clustered by

(sname)into 5 buckets row format delimited fields terminated by ',;

hive>insert overwrite table bucket\_table SELECT\*FROM users;

hive> select\*from bucket\_table;

![2019052322013456.jpeg][]

$hadoop fs-ls /user/hive/warehouse/test6.db/bucket\_table/

![2019052322013463.jpeg][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 15][]

6、Hive的数据模型\_视图

语法：

创建视图

Create view viewName as select data from table where condition;

查看视图结构

Desc viewName;

查询视图

Select \* from viewName;

删除视图

DROP VIEW \[IF EXISTS\]view\_name

命令：

$hive

>create database test7;

>use test7;

a)创建一个测试表：

hive> create table testO1(id int,name string)row format delimited fields terminated by';

hive> desc test01;

![20190523220200647.jpeg][]

$ vi datal.txt

1,tom

2.jack

![20190523220200647.png][]![20190523220200652.png][]

hive>load data local inpath'/home/admin/datal.txt'overwrite into table test01;

hive> select\*from test01;

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 16][]

b)创建一个View之前，使用explain命令查看创建View的命令是如何被Hive解释执行的；

hive>explain create view test\_view(id,name\_length)as select id,length(name)from test01;

hive>explain create view test\_view (id,name\_length)as select id,length(name)from test;

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 17][]

c)实际创建一个View

hive>create view test\_view(id,name\_length)as select id,length(name)from test01;

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 18][]

d)执行View之前，先explain查看实际被翻译后的执行过程；

hive>explain select sum(name\_length)from test\_view;

hive>explain extended select sum(name\_length)from test\_view;

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 19][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 20][]

e)最后，对View执行一次查询，显示Stage-1阶段对原始表test进行了MapReduce过程；

hive>select sum(name\_length)from test\_view;

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 21][]

# **出现的问题与解决方案** #

错误1、启动hive ： ls: cannot access/home/hadoop/spark-2.2.0-bin-hadoop2.6/lib/spark-assembly-\*.jar: No such fileor directory问题

sxc@master ~\]$ hivels: cannot access /software/spark/spark-2.2.0-bin-hadoop2.7/lib/spark-assembly-\*.jar: No such file or directory17/11/27 13:12:56 WARN conf.HiveConf: HiveConf of name hive.metastore.local does not existLogging initialized using configuration in jar:file:/software/hive/apache-hive-1.2.1-bin/lib/hive-common-1.2.1.jar!/hive-log4j.properties

原因：spark升级到spark2以后，原有lib目录下的大JAR包被分散成多个小JAR包，原来的spark-assembly-\*.jar已经不存在，所以hive没有办法找到这个JAR包。

解决方法：

打开hive的安装目录下的bin目录，找到hive文件

找到如下的位置

# add Spark assembly jar to the classpath
    
        if [[ -n "$SPARK_HOME" ]]
    
        then
    
          sparkAssemblyPath=`ls ${SPARK_HOME}/lib/spark-assembly-*.jar`
    
          CLASSPATH="${CLASSPATH}:${sparkAssemblyPath}"
    
        fi

原因：

spark升级到spark2以后，原有lib目录下的大JAR包被分散成多个小JAR包，原来的spark-assembly-\*.jar已经不存在，所以hive没有办法找到这个JAR包。

解决办法：把红色部分改为如下的样子就可以了

# add Spark assembly jar to the classpath
    
        if [[ -n "$SPARK_HOME" ]]
    
        then
    
           sparkAssemblyPath=`ls ${SPARK_HOME}/jars/*.jar`
    
         CLASSPATH="${CLASSPATH}:${sparkAssemblyPath}"
    
        fi

# 知识拓展 #

### **[HIVE和HBASE区别][HIVE_HBASE]** ###

1. 两者分别是什么？

Apache Hive是一个构建在Hadoop基础设施之上的数据仓库。通过Hive可以使用HQL语言查询存放在HDFS上的数据。HQL是一种类SQL语言，这种语言最终被转化为Map/Reduce. 虽然Hive提供了SQL查询功能，但是Hive不能够进行交互查询--因为它只能够在Haoop上批量的执行Hadoop。

Apache HBase是一种Key/Value系统，它运行在HDFS之上。和Hive不一样，Hbase的能够在它的数据库上实时运行，而不是运行MapReduce任务。Hive被分区为表格，表格又被进一步分割为列簇。列簇必须使用schema定义，列簇将某一类型列集合起来（列不要求schema定义）。例如，“message”列簇可能包含：“to”, ”from” “date”, “subject”, 和”body”. 每一个 key/value对在Hbase中被定义为一个cell，每一个key由row-key，列簇、列和时间戳。在Hbase中，行是key/value映射的集合，这个映射通过row-key来唯一标识。Hbase利用Hadoop的基础设施，可以利用通用的设备进行水平的扩展。

2. 两者的特点：

Hive帮助熟悉SQL的人运行MapReduce任务。因为它是JDBC兼容的，同时，它也能够和现存的SQL工具整合在一起。运行Hive查询会花费很长时间，因为它会默认遍历表中所有的数据。虽然有这样的缺点，一次遍历的数据量可以通过Hive的分区机制来控制。分区允许在数据集上运行过滤查询，这些数据集存储在不同的文件夹内，查询的时候只遍历指定文件夹（分区）中的数据。这种机制可以用来，例如，只处理在某一个时间范围内的文件，只要这些文件名中包括了时间格式。

HBase通过存储key/value来工作。它支持四种主要的操作：增加或者更新行，查看一个范围内的cell，获取指定的行，删除指定的行、列或者是列的版本。版本信息用来获取历史数据（每一行的历史数据可以被删除，然后通过Hbase compactions就可以释放出空间）。虽然HBase包括表格，但是schema仅仅被表格和列簇所要求，列不需要schema。Hbase的表格包括增加/计数功能。

3. 限制

Hive目前不支持更新操作。另外，由于hive在hadoop上运行批量操作，它需要花费很长的时间，通常是几分钟到几个小时才可以获取到查询的结果。Hive必须提供预先定义好的schema将文件和目录映射到列，并且Hive与ACID不兼容。

HBase查询是通过特定的语言来编写的，这种语言需要重新学习。类SQL的功能可以通过Apache Phonenix实现，但这是以必须提供schema为代价的。另外，Hbase也并不是兼容所有的ACID特性，虽然它支持某些特性。最后但不是最重要的--为了运行Hbase，Zookeeper是必须的，zookeeper是一个用来进行分布式协调的服务，这些服务包括配置服务，维护元信息和命名空间服务。

4. 应用场景

Hive适合用来对一段时间内的数据进行分析查询，例如，用来计算趋势或者网站的日志。Hive不应该用来进行实时的查询。因为它需要很长时间才可以返回结果。

Hbase非常适合用来进行大数据的实时查询。Facebook用Hbase进行消息和实时的分析。它也可以用来统计Facebook的连接数。

5. 总结

Hive和Hbase是两种基于Hadoop的不同技术--Hive是一种类SQL的引擎，并且运行MapReduce任务，Hbase是一种在Hadoop之上的NoSQL 的Key/vale数据库。当然，这两种工具是可以同时使用的。就像用Google来搜索，用FaceBook进行社交一样，Hive可以用来进行统计查询，HBase可以用来进行实时查询，数据也可以从Hive写到Hbase，设置再从Hbase写回Hive。

## ##

### Hive环境安装之浏览器访问配置 ###

1、下载hive-2.1.1-src.tar.gz

然后进入目录$\{HIVE\_SRC\_HOME\}/hwi/web，执行打包命令:

\#jar -cvf hive-hwi-1.2.2.war \*

2、得到hive-hwi-1.2.2.war文件，复制到hive下的lib目录中；

3、修改hive的配置文件hive-site.xml；

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 22][]

4、启动Hive的web；

命令：$hive –service hwi

5、通过web方式管理Hive；

# ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 23][]      #

[20190523220133845.jpeg]: https://img-blog.csdnimg.cn/20190523220133845.jpeg
[20190523220133850.jpeg]: https://img-blog.csdnimg.cn/20190523220133850.jpeg
[20190523220133854.jpeg]: https://img-blog.csdnimg.cn/20190523220133854.jpeg
[20190523220133856.jpeg]: https://img-blog.csdnimg.cn/20190523220133856.jpeg
[20190523220133861.jpeg]: /images/20220128/9723ae2158b64e75bfb5040b53f7578b.png
[20190523220133858.jpeg]: https://img-blog.csdnimg.cn/20190523220133858.jpeg
[20190523220133867.jpeg]: /images/20220128/41ea199f880e4ec0ba7229ca53ac500c.png
[20190523220133873.jpeg]: https://img-blog.csdnimg.cn/20190523220133873.jpeg
[20190523220133869.jpeg]: https://img-blog.csdnimg.cn/20190523220133869.jpeg
[20190523220133877.jpeg]: /images/20220128/266cac07ee2f468abfed18200ef14d30.png
[20190523220133887.jpeg]: /images/20220128/25f12b879bd640fcaac1cc572eb0e16c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70]: /images/20220128/ca358f0cfebc492bb497632e01344c95.png
[20190523220133888.png]: /images/20220128/f7badc65b7be49ec8df434fb427bab3b.png
[20190523220133902.png]: /images/20220128/2073ae8a52604f0881bae0c3691eb553.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 1]: /images/20220128/cb69d82bc4434adf9d25d51abda0b662.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 2]: /images/20220128/d7785a44ab034b39a76ca8c793f35c4c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 3]: /images/20220128/b6b741782b6d4d5da703d6081899c27e.png
[20190523220133928.png]: /images/20220128/daed84ec7f274a2096e717f680d18bd6.png
[20190523220133921.jpeg]: /images/20220128/eae7369c6013466cb8d8f43109a73dc8.png
[20190523220133927.jpeg]: /images/20220128/656d652516d74fd891a013f01321aa26.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 4]: /images/20220128/11f8b1651d494f3681ea89c09e3470de.png
[20190523220133932.png]: /images/20220128/28806d42a6d9471298f43117b634f6f6.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 5]: /images/20220128/668e0f4629d540e7b367ac47e81c8a59.png
[20190523220133937.jpeg]: /images/20220128/84a639db32f24bf6a51e4d5f07540972.png
[20190523220133938.jpeg]: /images/20220128/a4d8301fb8ee4a4f8a5a11227c2a0de2.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 6]: /images/20220128/4ced366aa6334b16b7d9b9a6918454ab.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 7]: /images/20220128/4a426fbbf2d746e7975556c8972e442d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 8]: /images/20220128/92e2cf063a254c1c8250653b35b9972a.png
[20190523220133970.png]: /images/20220128/83dfa49262cf4d138fcd21e9b55f456d.png
[20190523220133982.png]: /images/20220128/991d514e2b534c49a03300516590c725.png
[http_192.168.10.111_8088_cluster_apps]: http://192.168.10.111:8088/cluster/apps
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 9]: /images/20220128/72e93a3cdfc24c4882338b63f79236e9.png
[20190523220133989.jpeg]: /images/20220128/662621a43ca64243bdf85442a4ff351e.png
[20190523220133991.png]: /images/20220128/2697de1f3c32499d8d80390b18710095.png
[20190523220133983.png]: /images/20220128/9ebfc241c35e49ecad934cc3574f917b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 10]: /images/20220128/399229e026a940eb9a77f3f2d9dffc91.png
[2019052322013428.png]: /images/20220128/9daff6d699cc4eb2b9ea4304cea7906b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 11]: /images/20220128/31b8fca5d9c74769bbf9f9eb5f7d0099.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 12]: /images/20220128/b9b281dd813f42398adf04fd3888a20b.png
[20190523220946916.jpeg]: /images/20220128/87d58047348149afa2d38d834591f529.png
[2019052322013448.png]: /images/20220128/b30d9583bcd44b438a557e941f84090a.png
[2019052322013440.png]: https://img-blog.csdnimg.cn/2019052322013440.png
[2019052322013450.png]: /images/20220128/99cb3409205f4019b4c6ca15dd3a29e6.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 13]: /images/20220128/8e123326747c458694d2e497fd7cfe8f.png
[20190523221001295.png]: /images/20220128/7982c4b4888e4588b54d9a84cc127a0b.png
[2019052322013451.png]: /images/20220128/7aa6ecc9674e466f91451063cc667d5b.png
[2019052322013449.png]: https://img-blog.csdnimg.cn/2019052322013449.png
[2019052322013458.png]: /images/20220128/e8e0e258fcb84aa6a27a9b5a6b4423ed.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 14]: /images/20220128/325c1512ec204bc09a5484601d024ff5.png
[2019052322013456.jpeg]: /images/20220128/ef21984752094b268fefd3ab3f85d9f3.png
[2019052322013463.jpeg]: /images/20220128/57dee372796644dbad89892f707b9821.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 15]: /images/20220128/35a195c3db124f719a6e6a7d4195bcb1.png
[20190523220200647.jpeg]: /images/20220128/217c8a2a71a04e67886fadfe9757f657.png
[20190523220200647.png]: https://img-blog.csdnimg.cn/20190523220200647.png
[20190523220200652.png]: /images/20220128/138c282aeb2248ffae0a869ce7403620.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 16]: /images/20220128/6c6521d6f4aa4ff3ae6107c5fffbc23f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 17]: /images/20220128/4e147c4945ec4eedab8cc10635b1531a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 18]: /images/20220128/53d98b0fc5054d159dfa314b573435cc.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 19]: /images/20220128/7507c8caa39f4f23952d0f56aeb92280.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 20]: /images/20220128/8d1ddbac14d44eadb716e70cf02af0bd.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 21]: /images/20220128/65f97c2496df49cbbad1c282047ca241.png
[HIVE_HBASE]: https://www.cnblogs.com/justinzhang/p/4273470.html
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 22]: /images/20220128/d7ddd2ce463b4495a538f88c8e8d2a7c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODIzNjA1_size_16_color_FFFFFF_t_70 23]: /images/20220128/72bd74c8e04f43268c9780a6673f63a7.png