标签：
1、YARN：将资源管理和作业调度/监控分成两个独立的进程。
包含两个组件：ResourceManager和ApplicationMaster
2、YARN的特性：
1）可扩展性；2）高可用性（HA）；3）兼容性（1.0版本的作业也可以执行）；4）提高集群利用率；
5）支持MapReduce编程范式。
3、Hadoop的进程：
1）NameNode HDFS的守护进程；
2）Secondary NameNode 监控HDFS状态的辅助后台程序，备用NameNode；
3）DataNode 负责把HDFS的数据块写到本地文件系统，数据块大小默认64MB；
4）ResourceManager 是一个中心服务，它负责调度、启动每一个Job与资源分配；
5）NodeManager 管理YARN集群的每一个节点，它负责Container状态的维护（CPU、内存、硬盘、网络），并向ResourceManager保持心跳；
6）ApplicationMaster 负责一个Job生命周期内的所有工作。
4、HDFS常用命令（略）
5、Hadoop常用配置参数详解（略）
6、Hive的三个主要接口：命令行Cli、客户端Client和Web界面WUI
1）最常用CLI，启动的时候会同时启动一个Hive服务，将写好的脚本放到Cli中执行。
2）Clinet是Hive的客户端，用户连接至HiveServer。
3）WUI是通过浏览器访问Hive的Web工具。
7、Hive元数据一般存储在数据库中，如MySQL（多用户）或Derby嵌入式数据库（单用户）中。
8、Hive的数据是存储在HDFS中的（包括外部表和内部表），大部分查询由MapReduce完成。
9、Hive的常用进程和服务：使用hive –service help命令可以看到Hive提供的服务。
cli：命令行接口。
hiveserver：客户端接口。
hwi：Hive的Web接口。
jar：与Hadoop jar等价的Hive接口。
metastore：元数据提供的服务。
10、Metastore的三种连接方式：单用户（Derby）、多用户（MySQL）和远程连接（如使用Thrift）
11、Hive语言，不支持Insert和Update，因为数据仓库的内容是读多写少，所有的数据要在加载时确定好，他的数据都是存储在HDFS中。
12、Hive没有专门定义的数据格式，格式由用户指定，用户在定义数据格式需要指定三个属性。
1）列分隔符（通常用空格、“\t”）
2）行分隔符（“\n”）
3）读取文件数据的方式（默认有三种：TextFile、SequenceFile、RCFile）
13、Hive不会对数据进行任何处理，也不会对数据进行扫描，因此不会建立索引。
14、Hive的查询是通过Hadoop来实现的，不是通过自己的执行引擎。
15、Hive的执行延迟较高，通常都是离线执行的，但是处理的数据量大。
16、Hive的扩展性非常好，可以扩展到上千台Hadoop。
17、Hive --database temp 直接进入temp数据库。
18、set -v / reset 设置或重置参数变量。
如：set mapred.reduce.tasks=10;
19、！执行外部shell命令。如：! ls --列出当前目录下的文件。
20、dfs 执行HDFS命令。
如：dfs -mkdir /user/Hadoop/warehouse;
21、add file / list file / delete file管理分步缓冲区资源，这些资源在所有的机器上都可以使用。
22、Hive -S 静默不输出。
23、插入数据：insert overwrite table HUserInfo select * from old_userinfo --从另一张表导入数据
24、hive -e ‘set;’ | grep mapred.reduce.tasks; //-e表示在外部直接执行后面的命令。
25、hive -d sitename=www.baidu.com //定义一个变量
26、跨库查询：select * from hive.Huserinfo;
27、假如外部有一个sql脚本get_order_sum.sql
hive -f /home/hadoopuser/scripts/get_order_sum.sql; //可以直接运行这个脚本
hive -v -f /home/hadoopuser/scripts/get_order_sum.sql; //可以把脚本里的sql也显示出来
hive -S -f /home/hadoopuser/scripts/get_order_sum.sql > test.txt; //静默执行 并把结果输出到txt中
28、Hive常用配置参数（略）在文件.hiverc中配置
29、Hive清数据，Hive不支持Delete
使用truncate table tablename;
清一个分区的数据：truncate table tablename partition dt=’2015-10-6’;
30、删除的数据到了回收站：.trash
31、创建索引，和SQL一样。
CREATE INDEX index_name ON TABLE tablename（col_name）AS index_type;
32、角色管理，对权限控制最好使用角色来控制。（略）
33、DESC命令，查看数据库或表的一些基本信息。
34、Hive四种导入数据的方式：
1）load data local inpath ‘1234.txt‘ into table mytable;
2）load data inpath ‘/home/hadoopuser/1234.txt‘ into table mytable;
3）insert overwrite table mytable
> PARTITION (age)
> select id, name, tel, age
> from oldtable;
4）create table mytable
> as
> select id, name, tel
> from oldtable;
35、创建Hive表的时候如何创建动态分区？
36、Hive数据查询支持正则，当你不知道列名的时候可以用。
SELECT ‘正则’ FROM mytable;
39、数据排序
order by全局排序
sort by只在一个reducer中排序
distribyte by将指定的内容分到同一个reducer中
cluster by = distribyte by + sort by
40、实用的写法
SELECT * FROM table1 t1,table2 t2,table3 t3 WHERE t1.id=t2.id AND t2.id=t3.id;
41、semi-join比一般的inner join更为高效。
42、CTE
WITH q1 AS (SELECT * FROM src WHERE key>50)
下面就可以直接使用q1这个临时表。
43、什么是UDF？UDAF？UDTF？
User Defined Function（用户自定义函数）
44、什么是分析函数？
45、Hive存储的三种格式：
TextFile：不压缩，磁盘开销大；
SequenceFile：使用方便、可分割、可压缩、并发读取，但是占用空间比较大；
RCFile：压缩，但是加载时消耗大。
46、HiveSQL的join实现过程：
47、Hive的执行生命周期
48、举例：订单端口模块
49、HiveSQL实战
将下面脚本创建成.sh文件，直接调用即可。
50、HiveSQL实战2
标签：
原文地址：http://www.cnblogs.com/hunttown/p/5452660.html
