DDL数据定义
本文主要介绍Hive数据库与表的核心操作。数据库操作包括：创建（支持指定HDFS路径、if not exists避免重复）、查询（show/ desc database）、修改（仅可更新DBPROPERTIES属性）、删除（空库直接删，非空需cascade强制删）。表操作涵盖：创建（详细语法说明EXTERNAL、COMMENT、PARTITIONED BY等关键字作用）、管理表类型（内部表数据随表删除，外部表仅删元数据）、二者转换（通过ALTER TABLE修改EXTERNAL属性）、修改表（重命名、增删改列、调整分区）、删除表及truncate（仅能清空管理表数据）。内容通过案例实操演示各命令用法，强调内部表与外部表在数据生命周期管理上的差异。
密码测试页面
本文介绍为Hexo博客文章添加密码加密的方法。首先需安装Hexo-Blog-Encrypt插件，通过`npm install --save hexo-blog-encrypt`或`yarn add hexo-blog-encrypt`完成。基础使用仅需在文章头部Front-matter中添加`password: 密码`字段。高级设置支持自定义加密提示（如abstract、message）、按标签加密（在_config.yml中配置tags）、选择加密主题（如butterfly），以及禁用Tag加密（将password设为空字符串）。若解密后元素显示异常，可通过文章末尾添加Callback函数解决，还可配置禁用Log输出。整体操作简便，能有效保护博客私人内容。
学习
未读
Hive数据类型
Hive数据类型分为基本数据类型和集合数据类型。基本类型包括TINYINT（byte）、SMALLINT（short）、INT（int）、BIGINT（long）、BOOLEAN、FLOAT、DOUBLE及STRING（可变字符串，最大2GB），与Java类型对应。集合类型有STRUCT（类似C语言struct，通过点访问元素）、MAP（键值对集合，数组访问）和ARRAY（同类型元素集合，下标从0开始），支持任意层次嵌套。类型转换方面，整数类型可隐式转更广类型（如INT转BIGINT），整数、FLOAT、STRING可转DOUBLE，BOOLEAN不可转换；可通过CAST显式转换（如CAST('1' AS INT)），失败返回NULL。
学习
未读
Hive基本概念
Hive是Facebook开源的基于Hadoop的数据仓库工具，用于处理结构化数据，提供类SQL（HQL）查询功能，本质是将HQL转化为MapReduce程序。数据存储于HDFS，底层由MapReduce计算，运行在Yarn上，通过元数据解析结构化文件。架构包括用户接口（CLI、JDBC/ODBC）、元数据（Metastore，推荐MySQL）、Hadoop集群及驱动器（解析、编译、优化、执行）。与MySQL相比，Hive支持大数据PB级分析，但仅支持insert不支持行更新；优势为类SQL易上手、减少开发成本、适合大数据场景；缺点是HQL表达能力有限、执行延迟高、不支持实时查询。
学习
未读
Hive安装
本文主要介绍Hadoop与Hive的配置、安装及部署。首先修改Hadoop参数：core-site.xml配置代理用户主机、组及用户；yarn-site.xml调整NodeManager内存（4G）、容器最小/最大内存（512M/4G）及关闭虚拟内存检查。随后进行Hive解压安装，上传至/opt/module并配置环境变量。元数据部署分两种：Derby内嵌模式（单进程，多窗口操作冲突）和MySQL元数据服务模式（需配置hive-site.xml，启动metastore服务支持多客户端）。最后，Hive访问方式包括命令行和HiveServer2（JDBC），后者需配置thrift连接并解决用户代理问题。
ubuntu系统基本操作命令
本文总结了Linux系统常用命令的核心功能：文件操作类（ls, cd, mkdir, rm, cp, mv, touch, cat, chmod, chown）用于管理文件与目录；系统管理类（sudo, apt-get, ps, kill, reboot, shutdown, df, du, free, top, man）支持软件安装、进程控制及资源监控；网络类（ping, ifconfig, scp, ssh）实现远程连接与网络诊断；压缩类（tar）处理文件打包解压；搜索类（grep, find, locate）快速定位文件；磁盘类（mount, fdisk, lsblk）管理存储分区；下载类（curl, wget）获取网络资源；会话类（logout, history）控制终端操作。这些命令覆盖日常系统管理、文件处理及网络维护等核心场景。
hadoop
Hadoop大数据开发基础涵盖其生态系统核心组件及特点。核心组件包括：HDFS（分布式文件系统，存储大数据集，分块存储保障高吞吐与容错）、YARN（资源管理器，负责集群资源分配与任务调度）、MapReduce（分布式计算框架，通过Map（数据处理）和Reduce（结果合并）阶段实现并行计算），以及Hadoop Common（共用库工具）。此外，生态系统还包括Hive（数据仓库工具，支持类SQL查询）、HBase（分布式列式数据库）、ZooKeeper（分布式协调服务）等。Hadoop特点突出：可扩展（支持节点动态扩展）、容错（节点故障自动恢复）、高吞吐（并行处理大数据）、低成本（基于廉价服务器）、灵活（多数据格式支持）及可跨平台运行。