我们能否使用 Hive 和 MapReduce 的组合
说:我有一个 csv 文件。我需要找到一列的 mean 并将空数据替换为平均值(replace null with mean)。
所以我们是否可以在驱动程序中编写一个 hive 查询(以找到均值)，然后编写一个 mapreduce block 以用均值替换 null。
哪种方式更好
- 只编写 mapreduce 代码或
- 结合使用 Hive 和 MapReduce。
最佳答案
这是可以使用(仅配置单元)解决的另一个答案
假设您的 csv 输入是这样的:
firstname,secondname,score,group
维杰，库马尔，123，cse
萨蒂什，巴布，，它
库马尔，nagendra，200，eie
阿尼尔，巴布，，它
然后像这样应用查询(我运行它有效):
hive> from students s join (select avg(score)as avg from students) a
> select s.firstname,
> case
> when s.score="" or s.score=NULL then cast(avg AS string)
> else s.score
> end as new_score ;
MapReduce 作业总数 = 2
输出:
好的
firstname new_score
维杰 123
萨蒂什 161.5
库马尔 200
阿尼尔 161.5
耗时:67.059 秒，获取:4 行
关于java - MapReduce 与 Hive 的结合，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/21177715/