在hive中使用Roaring64Bitmap实现精确去重功能 主要目的：
- 提升 hive 中精确去重性能，代替hive 中的 count(distinct uuid)；
- 节省 hive 存储 ，使用 bitmap 对数据压缩 ，减少了存储成本；
- 提供在 hive 中 bitmap 的灵活运算 ，比如：交集、并集、差集运算 ，计算后的 bitmap 也可以直接写入 hive；
add jar hdfs://node:9000/hive-bitmap-udf.jar;
CREATE TEMPORARY FUNCTION to_bitmap AS 'com.hive.bitmap.udf.ToBitmapUDAF';
CREATE TEMPORARY FUNCTION bitmap_union AS 'com.hive.bitmap.udf.BitmapUnionUDAF';
CREATE TEMPORARY FUNCTION bitmap_count AS 'com.hive.bitmap.udf.BitmapCountUDF';
CREATE TEMPORARY FUNCTION bitmap_and AS 'com.hive.bitmap.udf.BitmapAndUDF';
CREATE TEMPORARY FUNCTION bitmap_or AS 'com.hive.bitmap.udf.BitmapOrUDF';
CREATE TEMPORARY FUNCTION bitmap_xor AS 'com.hive.bitmap.udf.BitmapXorUDF';
| UDF | 描述 | 案例 | 结果类型 |
|---|---|---|---|
| to_bitmap | 将num（int或bigint） 转化为 bitmap | to_bitmap(num) | bitmap |
| bitmap_union | 多个bitmap合并为一个bitmap（并集） | bitmap_union(bitmap) | bitmap |
| bitmap_count | 计算bitmap中存储的num个数 | bitmap_count(bitmap) | long |
| bitmap_and | 计算两个bitmap交集 | bitmap_and(bitmap1,bitmap2) | bitmap |
| bitmap_or | 计算两个bitmap并集 | bitmap_or(bitmap1,bitmap2) | bitmap |
| bitmap_xor | 计算两个bitmap差集 | bitmap_xor(bitmap1,bitmap2) | bitmap |
CREATE TABLE IF NOT EXISTS `hive_bitmap_table`
(
k int comment 'id',
bitmap binary comment 'bitmap'
) comment 'hive bitmap 类型表'
STORED AS ORC;
-- 数据写入
insert into table hive_bitmap_table select 1 as id,to_bitmap(1) as bitmap;
insert into table hive_bitmap_table select 2 as id,to_bitmap(2) as bitmap;
-- 查询
select bitmap_union(bitmap) from hive_bitmap_table;
select bitmap_count(bitmap_union(bitmap)) from hive_bitmap_table;
CREATE TABLE IF NOT EXISTS `hive_table`
(
k int comment 'id',
uuid bigint comment '用户id'
) comment 'hive 普通类型表'
STORED AS ORC;
-- 普通查询（计算去重人数）
select count(distinct uuid) from hive_table;
-- bitmap查询（计算去重人数）
select bitmap_count(to_bitmap(uuid)) from hive_table;
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent