在之前的文中我们配置了一个hive监控的web界面的服务，主要用于查看当前HiveServer2服务链接的会话、服务日志、配置参数等信息，这个服务更像是一个hive提供的监控服务,本文我们将配置HWI(HiveWebInterface)hive用户图形接口,这是hive三种用户接口中的其中之一,可以在web界面上对hive服务进行操作

起因是我把访问权限都配置为：GRANTALLPRIVILEGESON\.\TO'hive'(https://www.oschina.net/action/GoToLink?urlmailto%3A%27hive%27%40%27%25%27)Identifiedby'hive'; 本机地址：192.168.10

内部表&外部表未被external修饰的是内部表（managedtable），被external修饰的为外部表（externaltable）；区别：内部表数据由Hive自身管理，外部表数据由HDFS管理；内部表数据存储的位置是hive.metastore.warehouse.dir（默认：/user/hive/warehouse）

导读：Flink从1.9.0开始提供与Hive集成的功能，随着几个版本的迭代，在最新的Flink1.11中，与Hive集成的功能进一步深化，并且开始尝试将流计算场景与Hive进行整合。本文主要分享在Flink1.11中对接Hive的新特性，以及如何利用Flink对Hive数仓进行实时化改造，从而实现批流

Hive用的好，才能从数据中挖掘出更多的信息来。用过hive的朋友，我想或多或少都有类似的经历：一天下来，没跑几次hive，就到下班时间了。Hive在极大数据或者数据不平衡等情况下，表现往往一般，因此也出现了presto、sparksql等替代品。这里重点讲解hive的优化方式，例如优化分组：sethive.auto.convert.join

hadoop,hive安装过程和配置文件（附件）。注意：hadoopNameNode未做ha.Hive，还是基本的hiveonMR,未使用ontez,onspark，  未配置LLAP、HCatalogandWebHCat。安装完之后，以下是hive使用例子： 从本

1.查询语言。由于SQL被广泛的应用在数据仓库中，因此，专门针对Hive的特性设计了类SQL的查询语言HQL。熟悉SQL开发的开发者可以很方便的使用Hive进行开发。2.数据存储位置。Hive是建立在Hadoop之上的，所有Hive的数据都是存储在HDFS(https://www.oschina.net/act

一、Hive的几种数据模型内部表(Table将数据保存到Hive自己的数据仓库目录中：/usr/hive/warehouse)外部表(ExternalTable相对于内部表，数据不在自己的数据仓库中，只保存数据的元信息)分区表

转自：https://www.cnblogs.com/cc11001100/p/9043946.html(https://www.oschina.net/action/GoToLink?urlhttps%3A%2F%2Fwww.cnblogs.com%2Fcc11001100%2Fp%2F9043946.html)Hive中collect相关的函数

hive1：hive是怎么产生的？2：hive的框架是怎么样的？3：hive执行流程是什么？4：hivesql是如何把sql语句一步一步到最后执行的？5：hivesql任务常用参数调优做过什么？spark6：spark是怎么产生的？7：spark框架是怎么