你还在那拿着手机想找工作不知道做什么么？ http://z.1mxb.com/user/register/4e583 点击这
点击联系发帖人
时间：2016-04-29 01:46
联系人：吴小姐
公司名称：
Mead 1B-QEV 为企业多做一点，为客户多想一点
最近被加入的企业
名片夹还没有企业信息，赶紧查看企业联系方式加入吧！
『厦门润星贸易有限公司』的联系方式为，，联系人：吴小姐
品牌：其他型号：Mead 1B-QEV结构形式：模块式安装方式：控制室安装LD指令处理器：硬PLC功能：220加工定制：否
以上是Mead 1B-QEV 为企业多做一点，为客户多想一点的详细介绍，包括Mead 1B-QEV 为企业多做一点，为客户多想一点的价格、型号、图片、厂家等信息!
孟子的父亲去世的早，为了儿子有一个良好的学习环境，孟母曾经三次搬家。一次孟子放学回家，孟母正在织布，问他：“你读书学习是为了什么？”孟子说：“为了自己。”孟母非常生气，用刀砍断织布机，说：“你荒废学业，就像我砍断这织布机。”孟子感到羞愧，每...
商机库包括所有采购、招标信息的汇总
与Mead 1B-QEV 为企业多做一点，为客户多想一点相关的产品信息
Mead 1B-QEV 为企业多做一点，为客户多想一点产品相关搜索
最新PLC/可编程控制系统产品
按排行字母分类：
*联系电话：
*短信验证：
允许同品类其他优质供应商联系我这都睡不着？过分了 - 歌单 - 网易云音乐
这都睡不着？过分了
如果听了睡不着，请吃一片安定～
还睡不着？？？
请吃一瓶…
网易云音乐多端下载
同步歌单，随时畅听320k好音乐
网易公司版权所有(C)杭州乐读科技有限公司运营：Hive入门培训
Hive数据类型
基础数据类型：
TINYINT,SMALLINT,INT,BIGINT,BOOLEAN,FLOAT,DOUBLE,STRING,BINARY,TIMESTAMP,DECIMAL,CHAR,VARCHAR,DATE。
复杂数据类型：
包括ARRAY(数组),MAP(字典),STRUCT(结构体),UNION(联合体)，这些复杂类型是由基础类型组成的。
ARRAY：ARRAY类型是由一系列相同数据类型元素组成的，这些元素可以通过下标来访问。比如有一个ARRAY类型的变量fruits，它是由[&apple&,&orange&,&mango&]组成，那么可以通过fruits[1]来访问orange；
MAP：MAP包含key-&value键值对，可以通过key来访问元素。比如&userlist&是一个map类型（其中username是key，password是value），那么我们可以通过userlist[&username&]来得到这个用户对应的password；
STRUCT：STRUCT可以包含不同数据类型的元素。这些元素可以通过点的方式来得到，比如user是一个STRUCT类型，那么可以通过user.address得到这个用户的地址。
UNION: UNIONTYPE
Array演示：
create table test
name string,
value array
) row format delimited
fields terminated by '|'
collection itemsterminated by ',';
文件：array.txt
bigdata|spark,hadoop
warehouse|hive,impala,hbase
load data local inpath'/hadoop/ylxsource/myspark/testdata/array.txt'
select name, value[0]
create tabletest_map(name string, value map)
row format delimited
fields terminated by '|'
collection itemsterminated by ','
map keys terminated by':';
文件：map.txt
bigdata|Spark:95,Hadoop:85
warehouse|Hive:80,Impala:70,HBase:90
load data local inpath'/hadoop/ylxsource/myspark/testdata/map.txt' into table test_
select name,value[&Spark&] from test_
Struct演示：
create tabletest_struct(id int,name struct)
row format delimited
fields terminated by '|'
collection itemsterminated by ',';
文件:struct.txt
1|Spark,100
load data local inpath '/hadoop/ylxsource/myspark/testdata/struct.txt'into table test_
select id, name.bigdatafrom test_
Union演示：
create tabletest_union(id int,name map<string,array&)</string,array
<string,array
row format delimitedfields terminated by '|'
collection items terminatedby ','
map keys terminated by':';
1|Spark:95,10,85
2|Hadoop:85,20,65
Hive文件格式
1. Textfile
Hive默认格式，数据不做压缩，磁盘开销大，数据解析开销大。
可结合Gzip、Bzip2、Snappy等使用（自动检查，执行查询时自动解压），但使用这种方式，hive不会对数据进行切分，从而无法对数据进行并行操作。
2. Sequencefile
Hadoop API提供的一种二进制文件支持，它将数据(key,value)的形式序列化到文件中，其具有使用方便、可分割、可压缩的特点。SequenceFile支持三种压缩选择：NONE，RECORD，BLOCK。RECORD压缩率低，一般建议使用BLOCK压缩。
RCFile是Hive推出的一种专门面向列的数据格式。 它遵循&先按列划分，再垂直划分&的设计理念。
当查询过程中，针对它并不关心的列时，它会在IO上跳过这些列。需要说明的是，RCFile在map阶段从远端拷贝仍然是拷贝整个数据块，并且拷贝到本地目录后，RCFile并不是真正直接跳过不需要的列，并跳到需要读取的列，而是通过扫描每一个row group的头部定义来实现的。
但是在整个HDFS Block 级别的头部并没有定义每个列从哪个row group起始到哪个row group结束。所以在读取所有列的情况下，RCFile的性能反而没有SequenceFile高。
Hive命令行常见操作
l 查看所有
l 使用数据库
l 查看数据库信息
l 查看当前使用的数据库
set hive.cli.print.current.db=
l 显示列头
set hive.cli.print.header=
l 创建数据库
l 删除数据库
如果数据库不为空，则使用cascade关键字：
drop database IF EXISTS
l 查看数据库的表
show tables like '*test*';
l 获取表信息
CREATE[TEMPORARY] [EXTERNAL] TABLE [IF NOT EXISTS][db_name.]table_name -- (Note: TEMPORARY available inHive 0.14.0 and later)
[(col_namedata_type [COMMENT col_comment], ...)]
[COMMENTtable_comment]
[PARTITIONED BY (col_name data_type [COMMENT col_comment], ...)]
[CLUSTEREDBY (col_name, col_name, ...) [SORTED BY (col_name [ASC|DESC], ...)] INTOnum_buckets BUCKETS]
[SKEWEDBY (col_name, col_name,...) -- (Note: Available in Hive 0.10.0 and later)]
ON((col_value, col_value, ...), (col_value, col_value, ...), ...)
[STOREDAS DIRECTORIES]
[ROWFORMAT row_format]
[STOREDAS file_format]
|STORED BY 'storage.handler.class.name' [WITH SERDEPROPERTIES (...)] -- (Note: Available inHive 0.6.0 and later)
[LOCATIONhdfs_path]
[TBLPROPERTIES(property_name=property_value, ...)] -- (Note: Available inHive 0.6.0 and later)
[ASselect_statement]; -- (Note: Available in Hive 0.5.0 not supported for external tables)
CREATE[TEMPORARY] [EXTERNAL] TABLE [IF NOT EXISTS] [db_name.]table_name
LIKEexisting_table_or_view_name
[LOCATION hdfs_path];
:primitive_type
|array_type
|struct_type
|union_type -- (Note: Available in Hive 0.7.0 and later)
primitive_type
|BINARY -- (Note: Available inHive 0.8.0 and later)
|TIMESTAMP -- (Note: Available in Hive 0.8.0 and later)
|DECIMAL -- (Note: Available inHive 0.11.0 and later)
|DECIMAL(precision, scale) -- (Note: Available inHive 0.13.0 and later)
|DATE -- (Note: Available in Hive 0.12.0 and later)
|VARCHAR -- (Note: Available inHive 0.12.0 and later)
|CHAR -- (Note:Available in Hive 0.13.0 and later)
array_type
:ARRAY & data_type &
:MAP & primitive_type, data_type &
struct_type
:STRUCT & col_name : data_type [COMMENT col_comment], ...&
union_type
:UNIONTYPE & data_type, data_type, ... & -- (Note: Available inHive 0.7.0 and later)
row_format
:DELIMITED [FIELDS TERMINATED BY char [ESCAPED BY char]] [COLLECTION ITEMS TERMINATED BY char]
[MAPKEYS TERMINATED BY char] [LINES TERMINATED BY char]
[NULLDEFINED AS char] -- (Note: Available in Hive 0.13 and later)
|SERDE serde_name [WITH SERDEPROPERTIES (property_name=property_value,property_name=property_value, ...)]
file_format:
:SEQUENCEFILE
|TEXTFILE -- (Default, depending onhive.default.fileformat configuration)
|RCFILE -- (Note: Available inHive 0.6.0 and later)
|ORC -- (Note: Available inHive 0.11.0 and later)
|PARQUET -- (Note: Available inHive 0.13.0 and later)
|AVRO -- (Note:Available in Hive 0.14.0 and later)
|INPUTFORMAT input_format_classname OUTPUTFORMAToutput_format_classname
& 用户可以用 IF NOT EXIST 选项来忽略这个异常。
& EXTERNAL关键字可以让用户创建一个外部表，在建表的同时指定一个指向实际数据的路径（LOCATION），Hive 创建内部表时，会将数据移动到数据仓库指向的路径；若创建外部表，仅记录数据所在的路径，不对数据的位置做任何改变。在删除表的时候，内部表的元数据和数据会被一起删除，而外部表只删除元数据，不删除数据。
& LIKE允许用户复制现有的表结构，但是不复制数据。
& 用户在建表的时候可以自定义 SerDe 或者使用自带的 SerDe。如果没有指定 ROW FORMAT 或者 ROW FORMAT DELIMITED，将会使用自带的 SerDe。在建表的时候，用户还需要为表指定列，用户在指定表的列的同时也会指定自定义的 SerDe，Hive 通过 SerDe 确定表的具体的列的数据。
& 如果文件数据是纯文本，可以使用 STORED AS TEXTFILE。如果数据需要压缩，使用 STORED AS SEQUENCE 。
& 有分区的表可以在创建的时候使用 PARTITIONED BY 语句。一个表可以拥有一个或者多个分区，每一个分区单独存在一个目录下。而且，表和分区都可以对某个列进行 CLUSTERED BY 操作，将若干个列放入一个桶（bucket）中。也可以利用SORT BY 对数据进行排序。这样可以为特定应用提高性能。
& 表名和列名不区分大小写，SerDe 和属性名区分大小写。表和列的注释是字符串
SerDe是Serialize/Deserilize的简称，目的是用于序列化和反序列化。
l 加载数据
LOAD DATA [LOCAL] INPATH 'filepath' [OVERWRITE]INTO TABLE tablename [PARTITION (partcol1=val1, partcol2=val2 ...)]
create table par_table
type string,
value string
partitioned by(data_date string, posstring)
clustered by(id) sorted by(value)into 32 buckets
row format delimited
fields terminated by '|'
lines terminated by '\n'
set hive.enforce.bucketing =
对于每一个表（table）或者分区， Hive可以进一步组织成桶，也就是说桶是更为细粒度的数据范围划分。Hive也是针对某一列进行桶的组织。Hive采用对列值哈希，然后除以桶的个数求余的方式决定该条记录存放在哪个桶当中。
把表（或者分区）组织成桶（Bucket）有两个理由：
1. 获得更高的查询处理效率。桶为表加上了额外的结构，Hive 在处理有些查询时能利用这个结构。具体而言，连接两个在（包含连接列的）相同列上划分了桶的表，可以使用 Map 端连接（Map-side join）高效的实现。比如JOIN操作。对于JOIN操作两个表有一个相同的列，如果对这两个表都进行了桶操作。那么将保存相同列值的桶进行JOIN操作就可以，可以大大较少JOIN的数据量。
2. 使取样（sampling）更高效。在处理大规模数据集时，在开发和修改查询的阶段，如果能在数据集的一小部分数据上试运行查询，会带来很多方便。
对于Map端连接的情况，两个表以相同方式划分桶。处理左边表内某个桶的 mapper知道右边表内相匹配的行在对应的桶内。因此，mapper只需要获取那个桶 (这只是右边表内存储数据的一小部分)即可进行连接。这一优化方法并不一定要求两个表必须桶的个数相同，两个表的桶个数是倍数关系也可以。
l Hive Client数据操作
hive -help
hive --help
hive -e &select * from words&
hive -S -e &select * from words&
hive -f hivecli.sql
hive -S -f hivecli.sql
hive (hive)& source /hadoop/ylxsource/myspark/testdata/hivecli.
hive -S -f hivecli.sql & result.txt
hive (hive)& set val=
select * from test where name = '${hiveconf:val}';
通过sh脚本执行：
#!/bin/bash
hive-S -e &
bash test.sh
Hive数据加载（内部表，外部表，分区表）
内部表数据加载
1. 创建表时加载数据
create table test_bak as select *
2. 创建表时指定数据路径
create table if not exists test2(
name string,
row format delimited fields terminated by'|'
lines terminated by '\n'
stored as textfile
location'file:/hadoop/ylxsource/myspark/testdata/location';
表删除时，数据目录也会删除
3. 本地数据加载
create table if not exists test2(
name string,
row format delimited fieldsterminated by '|'
lines terminated by '\n'
load data local inpath'/hadoop/ylxsource/myspark/testdata/external.txt' into table test2;
4. HDFS数据加载
create table if not exists test2(
name string,
row format delimited fieldsterminated by '|'
lines terminated by '\n'
load data inpath'hdfs://SZB-L88/testdata/external.txt' into table test2;
load data inpath'hdfs://SZB-L88/testdata/external.txt' overwrite into table test2;
5. 通过hdfs命令将数据拷贝到指定的表的目录下面
hdfs dfs -put external.txthdfs://SZB-L88/user/hive/myspark/hive.db/test2/external2.txt
此种方式和内部表相同。
6. 由查询语句加载数据
insert overwrite table test2 select * from test3;
insert into table test2 select * from test3;
外部数据加载
1. 创建外部表时指定分区
create external tableif not exists test2(
name string,
row formatdelimited fields terminated by '|'
lines terminatedby '\n'
stored astextfile
location'hdfs://SZB-L88/testdata/external/';
load data inpath 'hdfs://SZB-L88/testdata/external'into table test2 partition(dt=);
show partitions test2;
2. 查询时插入数据
drop table IF EXISTShdp_circ_annuity_number_60s;
create table IF NOT EXISTShdp_circ_annuity_number_60s
polno stringcomment '保单号',
plan_code stringcomment '险种代码',
deptno stringcomment '部门',
p_number decimal(18) comment '人数'
partitioned by (flag string, data_date string)
row format delimited fields terminated by '\001' ;
insert overwrite tablehdp_circ_annuity_number_60s partition(flag, data_date)
select polno,
plan_code,
count(distinct insno) as p_number,
'A1' as flag,
'; as data_date
from hdp_gbs_pol_ben_tmp
where to_date(undwrt_date) &= '' and to_date(undwrt_date)& ''
group by polno,
plan_code,
3. 加载数据到分区表
load data local inpath '/home/hadoop/data.txt' overwriteinto table test partition (ds='');
load data inpath 'hdfs://SZB-L88/hadoop'overwrite into table test partition (ds='');
Hive数据加载注意问题
分隔符问题：
分隔符默认只有单个字符。如果有多个字符，默认取第一个字符作为分隔符。
数据类型对应问题：
load数据数据，字段类型不能互相转化时，查询结果返回NULL。而实际的数据仍然存在。
select查询插入，字段类型不能互相转化时，插入数据为NULL。而实际的数据也为NULL。
select查询插入数据，字段值顺序要与表中字段顺序一致，名称可不一致。
Hive在数据加载时不做检查，查询时检查。
外部分区表需要添加分区才能看到数据。
Hive数据导出
使用HDFS命令导出
获取location路径
使用get方式获取：
hdfs dfs -get hdfs://SZB-L88/user/hive/myspark/hive.db/test/array.txtresult.txt
使用text方式获取：
hdfs dfs -texthdfs://SZB-L88/user/hive/myspark/hive.db/test/array.txt & ok
通过INSERT & DIRECTORY方式
insert overwrite local directory'/hadoop/ylxsource/myspark/testdata/test2'
row format delimited fields terminated by'\t'
select * from test2;
insert overwrite directory'hdfs://SZB-L88/testdata/test2'
row format delimited fields terminated by '\t'
select * from test2;
Shell命令方式
hive -S -e & select * fromtest2;& & result.txt
第三方工具Sqoop
sqoop import/export
Hive动态分区
动态分区指不需要为不同的分区添加不同的插入语句，分区不确定，需要从数据中自动获取。
相关参数配置
#开启动态分区
set hive.exec.dynamic.partition=
#如果模式是strict，则必须有一个静态分区，且放在最前面
set hive.exec.dynamic.partition.mode=
#每个节点生成动态分区最大个数
sethive.exec.max.dynamic.partitions.pernode=10000;
#生成动态分区最大个数，如果自动分区数大于这个参数，将会报错
set hive.exec.max.dynamic.partitions=100000;
#一个任务最多可以创建的文件数目
set hive.exec.max.created.files＝150000;
#限定一次最多打开的文件数
set dfs.datanode.max.xcievers=8192;
create table dynamic_table(
partitioned by (name string,score string)
row format delimited
fields terminated by '\t'
lines terminated by '\n'
insert overwrite table dynamic_tablepartition(name,score)
select id,name,score from test2;
show partitions dynamic_
如果参数set hive.exec.dynamic.partition.mode=strict，则必须指定一个静态分区字段：
sethive.exec.dynamic.partition.mode=
再执行上面的语句：
insert overwrite table dynamic_tablepartition(name,score)
select id,name,score from test2;
会报如下错误：
FAILED: SemanticException [Error 10096]: Dynamic partition strict mode requires at least one staticpartition column. To turn this off sethive.exec.dynamic.partition.mode=nonstrict
需要如下方式指定一个静态分区字段：
insert overwrite table dynamic_tablepartition(name='Bigdata',score)
select id,score from test2;
Hive表字段属性修改
l 修改表名
alter table test2 rename to new_test2;
l 添加字段
alter table new_test2 add columns(count1 intcomment 'count1', count2 int comment 'count2');
l 修改字段
create tabletest_change (a int, b int, c int);
alter tabletest_change change a a1
alter tabletest_change change a1 a2
alter tabletest_change change c c1
l 修改表属性
alter table new_test2 set tblproperties('comment'= 'this is the table new_test2');
l 外部表和内部表互转
内部表转外部表:
altertable new_test2 set TBLPROPERTIES ('EXTERNAL' = 'TRUE');
外部表转内部表:
altertable new_test2 set TBLPROPERTIES('EXTERNAL'='FALSE');
Hive常见内置函数及其使用
l 查看当前可用函数等信息
显示函数的描述信息
DESC FUNCTION
显示函数的扩展描述信息
DESC FUNCTION EXTENDED
l 简单函数
函数的计算粒度为单条记录。
字符串函数
l 聚合函数
函数处理的数据粒度为多条记录。
sum()&求和
count()&求数据量
avg()&求平均直
distinct&求不同值数
min&求最小值
max&求最人值
l 集合函数
复合类型构建
复杂类型访问
复杂类型长度
l 特殊函数
1) 窗口函数
应用场景：
用于分区排序
动态Group By
last_value
2) 分析函数
ROW_NUMBER
DENSE_RANK
PERCENT_RANK
3) 混合函数
java_method(class,method [,arg1 [,arg2])
reflect(class,method [,arg1 [,arg2..]])
hash(a1 [,a2...])
lateralView: LATERAL VIEW udtf(expression)tableAlias AS columnAlias (',' columnAlias)*
fromClause: FROM baseTable (lateralView)*
select t.word_list,count(1) from
select word_list from words w lateral view explode(split(w.word,' ')) ww as word_list
) t group by t.word_
lateral view用于和split,explode等UDTF一起使用，它能够将一行数据拆成多行数据，在此基础上可以对拆分后的数据进行聚合。lateral view首先为原始表的每行调用UDTF，UTDF会把一行拆分成一或者多行，lateral view再把结果组合，产生一个支持别名表的虚拟表。
l 常用函数
1. 获取当前时间
selectfrom_unixtime(unix_timestamp(),'yyyy-MM-dd HH:mm:ss');
2. 截取时间
selectregexp_replace(substr('',0,7),'-','');
select to_date(' 12:24:12');
3. 修改日期格式
select from_unixtime(to_unix_timestamp('','yyyy/MM/dd'),'yyyy-MM-ddHH:mm:ss');
4. 数据类型强制转换
select cast('1314' as int);
5. 判断语句
select ossdkversion,
osversion,
mobilemodel,
networkconntype,
e_version,
data_date,
'登录' as module,
case tmp.lable
when '用户登陆' then '用户名+密码登录次数'
when '手势登录成功' then '手势密码登录成功次数'
when '手势设置失败'then '手势密码设置失败次数'
when '手势登录失败' then '手势密码登录失败次数'
when '忘记密码' then '忘记密码'
frome_temp tmp
wheretmp.lable in ('用户登陆','手势登录成功','手势设置失败','手势登录失败','忘记密码')
select if('o'='o','o_o','^o^');
6. 解析Json格式内容
selectget_json_object('{&name&:&spark&,&age&:&10&}','$.name');
7. 解析URL地址
SELECTparse_url('/path/p1.php?query=1', 'HOST');
SELECTparse_url('/path/p1.php?query=1', 'QUERY')
SELECT parse_url('/path/p1.php?query=1','QUERY', 'query');
8. 字符串连接函数
select concat('S','p','a','r','k');
select concat_ws('-','S','p','a','r','k');
9. 输出数组集合
列出该字段所有不重复的值，相当于去重
collect_set(polno) //返回的是数组
列出该字段所有的值，列出来不去重
collect_list(polno) //返回的是数组
select collect_set(polno) frommyspark.pol_ben_s;
select collect_list(polno) frommyspark.pol_ben_s;
10. 窗口函数：
first_value：
select polno,certno,first_value(certno) over (partition bypolno order by certno desc ) from myspark.pol_ben_s;
select polno,certno, rank() over (partition by polno order bycertno) as rank from myspark.pol_ben_s;
row_number：
select polno,certno, row_number() over (partition by polnoorder by certno) as rank from myspark.pol_ben_s;
row_number()是没有重复值的排序(即使两天记录相等也是不重复的)，可以利用它来实现分页
dense_rank()是连续排序，两个第二名仍然跟着第三名
rank()是跳跃拍学，两个第二名下来就是第四名
11. 使用正则表达式
selectregexp_extract('x=a3&x=18abc&x=2&y=3&x=4','x=([0-9]+)([a-z]+)',0);
selectregexp_extract('x=a3&x=18abc&x=2&y=3&x=4','x=([0-9]+)([a-z]+)',1);
selectregexp_extract('x=a3&x=18abc&x=2&y=3&x=4','x=([0-9]+)([a-z]+)',2);
</string,array相关文章推荐
.cn/s/blog_4cf58c9c010106mx.html
关于OpenFileDialog的使用
1、 OpenFileDialog控件有以下基本属性
InitialDirectory
对话框的初始目录
log4net是.Net下一个非常优秀的开源日志记录组件。log4net记录日志的功能非常强大。它可以将日志分不同的等级，以不同的格式，输出到不同的媒介。本文主要是介绍如何在Visual
...
java.lang.VirtualMachineError
虚拟机错误。用于指示虚拟机被破坏或者继续执行操作所需的资源不足的情况。
java.lang.ArithmeticExce...
导语：2015做微商晚？现在做微商还有市场？答案：现在做微商不晚！现在微商已经走上了正规化了！只要你按照步奏走，你想月入多少都不是事！前提你的努力！空想不如在家睡觉，白日做梦！
1、对于一个没有被载入或者想要动态载入的界面, 都需要使用inflate来载入.
2、对于一个已经载入的Activity, 就可以使用实现了这个Activiyt的的findView...
gawk程序是Unix中原awk程序的GNU版本。现在我们平常使用的awk其实就是gawk，可以看一下awk命令存放位置，awk建立一个软连接指向gawk，所以在系统中你使用aw...
1、HTTP协议本身是无状态的。
我们上网都要靠HTTP协议传递信息。比如我们在浏览器里键入：这个网址并回车，你会发现网址会变成：http://www.bokee...
指向字符串的指针为何不能用来修改此字符串(c语言)
( 13:51:01)
分类： c/cpp
他的最新文章
讲师：董晓杰
讲师：姚远
他的热门文章
您举报文章：
举报原因：
原文地址：
原因补充：
(最多只允许输入30个字)}
公司名称：
Mead 1B-QEV 为企业多做一点，为客户多想一点
最近被加入的企业
名片夹还没有企业信息，赶紧查看企业联系方式加入吧！
『厦门润星贸易有限公司』的联系方式为，，联系人：吴小姐
品牌：其他型号：Mead 1B-QEV结构形式：模块式安装方式：控制室安装LD指令处理器：硬PLC功能：220加工定制：否
以上是Mead 1B-QEV 为企业多做一点，为客户多想一点的详细介绍，包括Mead 1B-QEV 为企业多做一点，为客户多想一点的价格、型号、图片、厂家等信息!
孟子的父亲去世的早，为了儿子有一个良好的学习环境，孟母曾经三次搬家。一次孟子放学回家，孟母正在织布，问他：“你读书学习是为了什么？”孟子说：“为了自己。”孟母非常生气，用刀砍断织布机，说：“你荒废学业，就像我砍断这织布机。”孟子感到羞愧，每...
商机库包括所有采购、招标信息的汇总
与Mead 1B-QEV 为企业多做一点，为客户多想一点相关的产品信息
Mead 1B-QEV 为企业多做一点，为客户多想一点产品相关搜索
最新PLC/可编程控制系统产品
按排行字母分类：
*联系电话：
*短信验证：
允许同品类其他优质供应商联系我这都睡不着？过分了 - 歌单 - 网易云音乐
这都睡不着？过分了
如果听了睡不着，请吃一片安定～
还睡不着？？？
请吃一瓶…
网易云音乐多端下载
同步歌单，随时畅听320k好音乐
网易公司版权所有(C)杭州乐读科技有限公司运营：Hive入门培训
Hive数据类型
基础数据类型：
TINYINT,SMALLINT,INT,BIGINT,BOOLEAN,FLOAT,DOUBLE,STRING,BINARY,TIMESTAMP,DECIMAL,CHAR,VARCHAR,DATE。
复杂数据类型：
包括ARRAY(数组),MAP(字典),STRUCT(结构体),UNION(联合体)，这些复杂类型是由基础类型组成的。
ARRAY：ARRAY类型是由一系列相同数据类型元素组成的，这些元素可以通过下标来访问。比如有一个ARRAY类型的变量fruits，它是由[&apple&,&orange&,&mango&]组成，那么可以通过fruits[1]来访问orange；
MAP：MAP包含key-&value键值对，可以通过key来访问元素。比如&userlist&是一个map类型（其中username是key，password是value），那么我们可以通过userlist[&username&]来得到这个用户对应的password；
STRUCT：STRUCT可以包含不同数据类型的元素。这些元素可以通过点的方式来得到，比如user是一个STRUCT类型，那么可以通过user.address得到这个用户的地址。
UNION: UNIONTYPE
Array演示：
create table test
name string,
value array
) row format delimited
fields terminated by '|'
collection itemsterminated by ',';
文件：array.txt
bigdata|spark,hadoop
warehouse|hive,impala,hbase
load data local inpath'/hadoop/ylxsource/myspark/testdata/array.txt'
select name, value[0]
create tabletest_map(name string, value map)
row format delimited
fields terminated by '|'
collection itemsterminated by ','
map keys terminated by':';
文件：map.txt
bigdata|Spark:95,Hadoop:85
warehouse|Hive:80,Impala:70,HBase:90
load data local inpath'/hadoop/ylxsource/myspark/testdata/map.txt' into table test_
select name,value[&Spark&] from test_
Struct演示：
create tabletest_struct(id int,name struct)
row format delimited
fields terminated by '|'
collection itemsterminated by ',';
文件:struct.txt
1|Spark,100
load data local inpath '/hadoop/ylxsource/myspark/testdata/struct.txt'into table test_
select id, name.bigdatafrom test_
Union演示：
create tabletest_union(id int,name map<string,array&)</string,array
<string,array
row format delimitedfields terminated by '|'
collection items terminatedby ','
map keys terminated by':';
1|Spark:95,10,85
2|Hadoop:85,20,65
Hive文件格式
1. Textfile
Hive默认格式，数据不做压缩，磁盘开销大，数据解析开销大。
可结合Gzip、Bzip2、Snappy等使用（自动检查，执行查询时自动解压），但使用这种方式，hive不会对数据进行切分，从而无法对数据进行并行操作。
2. Sequencefile
Hadoop API提供的一种二进制文件支持，它将数据(key,value)的形式序列化到文件中，其具有使用方便、可分割、可压缩的特点。SequenceFile支持三种压缩选择：NONE，RECORD，BLOCK。RECORD压缩率低，一般建议使用BLOCK压缩。
RCFile是Hive推出的一种专门面向列的数据格式。 它遵循&先按列划分，再垂直划分&的设计理念。
当查询过程中，针对它并不关心的列时，它会在IO上跳过这些列。需要说明的是，RCFile在map阶段从远端拷贝仍然是拷贝整个数据块，并且拷贝到本地目录后，RCFile并不是真正直接跳过不需要的列，并跳到需要读取的列，而是通过扫描每一个row group的头部定义来实现的。
但是在整个HDFS Block 级别的头部并没有定义每个列从哪个row group起始到哪个row group结束。所以在读取所有列的情况下，RCFile的性能反而没有SequenceFile高。
Hive命令行常见操作
l 查看所有
l 使用数据库
l 查看数据库信息
l 查看当前使用的数据库
set hive.cli.print.current.db=
l 显示列头
set hive.cli.print.header=
l 创建数据库
l 删除数据库
如果数据库不为空，则使用cascade关键字：
drop database IF EXISTS
l 查看数据库的表
show tables like '*test*';
l 获取表信息
CREATE[TEMPORARY] [EXTERNAL] TABLE [IF NOT EXISTS][db_name.]table_name -- (Note: TEMPORARY available inHive 0.14.0 and later)
[(col_namedata_type [COMMENT col_comment], ...)]
[COMMENTtable_comment]
[PARTITIONED BY (col_name data_type [COMMENT col_comment], ...)]
[CLUSTEREDBY (col_name, col_name, ...) [SORTED BY (col_name [ASC|DESC], ...)] INTOnum_buckets BUCKETS]
[SKEWEDBY (col_name, col_name,...) -- (Note: Available in Hive 0.10.0 and later)]
ON((col_value, col_value, ...), (col_value, col_value, ...), ...)
[STOREDAS DIRECTORIES]
[ROWFORMAT row_format]
[STOREDAS file_format]
|STORED BY 'storage.handler.class.name' [WITH SERDEPROPERTIES (...)] -- (Note: Available inHive 0.6.0 and later)
[LOCATIONhdfs_path]
[TBLPROPERTIES(property_name=property_value, ...)] -- (Note: Available inHive 0.6.0 and later)
[ASselect_statement]; -- (Note: Available in Hive 0.5.0 not supported for external tables)
CREATE[TEMPORARY] [EXTERNAL] TABLE [IF NOT EXISTS] [db_name.]table_name
LIKEexisting_table_or_view_name
[LOCATION hdfs_path];
:primitive_type
|array_type
|struct_type
|union_type -- (Note: Available in Hive 0.7.0 and later)
primitive_type
|BINARY -- (Note: Available inHive 0.8.0 and later)
|TIMESTAMP -- (Note: Available in Hive 0.8.0 and later)
|DECIMAL -- (Note: Available inHive 0.11.0 and later)
|DECIMAL(precision, scale) -- (Note: Available inHive 0.13.0 and later)
|DATE -- (Note: Available in Hive 0.12.0 and later)
|VARCHAR -- (Note: Available inHive 0.12.0 and later)
|CHAR -- (Note:Available in Hive 0.13.0 and later)
array_type
:ARRAY & data_type &
:MAP & primitive_type, data_type &
struct_type
:STRUCT & col_name : data_type [COMMENT col_comment], ...&
union_type
:UNIONTYPE & data_type, data_type, ... & -- (Note: Available inHive 0.7.0 and later)
row_format
:DELIMITED [FIELDS TERMINATED BY char [ESCAPED BY char]] [COLLECTION ITEMS TERMINATED BY char]
[MAPKEYS TERMINATED BY char] [LINES TERMINATED BY char]
[NULLDEFINED AS char] -- (Note: Available in Hive 0.13 and later)
|SERDE serde_name [WITH SERDEPROPERTIES (property_name=property_value,property_name=property_value, ...)]
file_format:
:SEQUENCEFILE
|TEXTFILE -- (Default, depending onhive.default.fileformat configuration)
|RCFILE -- (Note: Available inHive 0.6.0 and later)
|ORC -- (Note: Available inHive 0.11.0 and later)
|PARQUET -- (Note: Available inHive 0.13.0 and later)
|AVRO -- (Note:Available in Hive 0.14.0 and later)
|INPUTFORMAT input_format_classname OUTPUTFORMAToutput_format_classname
& 用户可以用 IF NOT EXIST 选项来忽略这个异常。
& EXTERNAL关键字可以让用户创建一个外部表，在建表的同时指定一个指向实际数据的路径（LOCATION），Hive 创建内部表时，会将数据移动到数据仓库指向的路径；若创建外部表，仅记录数据所在的路径，不对数据的位置做任何改变。在删除表的时候，内部表的元数据和数据会被一起删除，而外部表只删除元数据，不删除数据。
& LIKE允许用户复制现有的表结构，但是不复制数据。
& 用户在建表的时候可以自定义 SerDe 或者使用自带的 SerDe。如果没有指定 ROW FORMAT 或者 ROW FORMAT DELIMITED，将会使用自带的 SerDe。在建表的时候，用户还需要为表指定列，用户在指定表的列的同时也会指定自定义的 SerDe，Hive 通过 SerDe 确定表的具体的列的数据。
& 如果文件数据是纯文本，可以使用 STORED AS TEXTFILE。如果数据需要压缩，使用 STORED AS SEQUENCE 。
& 有分区的表可以在创建的时候使用 PARTITIONED BY 语句。一个表可以拥有一个或者多个分区，每一个分区单独存在一个目录下。而且，表和分区都可以对某个列进行 CLUSTERED BY 操作，将若干个列放入一个桶（bucket）中。也可以利用SORT BY 对数据进行排序。这样可以为特定应用提高性能。
& 表名和列名不区分大小写，SerDe 和属性名区分大小写。表和列的注释是字符串
SerDe是Serialize/Deserilize的简称，目的是用于序列化和反序列化。
l 加载数据
LOAD DATA [LOCAL] INPATH 'filepath' [OVERWRITE]INTO TABLE tablename [PARTITION (partcol1=val1, partcol2=val2 ...)]
create table par_table
type string,
value string
partitioned by(data_date string, posstring)
clustered by(id) sorted by(value)into 32 buckets
row format delimited
fields terminated by '|'
lines terminated by '\n'
set hive.enforce.bucketing =
对于每一个表（table）或者分区， Hive可以进一步组织成桶，也就是说桶是更为细粒度的数据范围划分。Hive也是针对某一列进行桶的组织。Hive采用对列值哈希，然后除以桶的个数求余的方式决定该条记录存放在哪个桶当中。
把表（或者分区）组织成桶（Bucket）有两个理由：
1. 获得更高的查询处理效率。桶为表加上了额外的结构，Hive 在处理有些查询时能利用这个结构。具体而言，连接两个在（包含连接列的）相同列上划分了桶的表，可以使用 Map 端连接（Map-side join）高效的实现。比如JOIN操作。对于JOIN操作两个表有一个相同的列，如果对这两个表都进行了桶操作。那么将保存相同列值的桶进行JOIN操作就可以，可以大大较少JOIN的数据量。
2. 使取样（sampling）更高效。在处理大规模数据集时，在开发和修改查询的阶段，如果能在数据集的一小部分数据上试运行查询，会带来很多方便。
对于Map端连接的情况，两个表以相同方式划分桶。处理左边表内某个桶的 mapper知道右边表内相匹配的行在对应的桶内。因此，mapper只需要获取那个桶 (这只是右边表内存储数据的一小部分)即可进行连接。这一优化方法并不一定要求两个表必须桶的个数相同，两个表的桶个数是倍数关系也可以。
l Hive Client数据操作
hive -help
hive --help
hive -e &select * from words&
hive -S -e &select * from words&
hive -f hivecli.sql
hive -S -f hivecli.sql
hive (hive)& source /hadoop/ylxsource/myspark/testdata/hivecli.
hive -S -f hivecli.sql & result.txt
hive (hive)& set val=
select * from test where name = '${hiveconf:val}';
通过sh脚本执行：
#!/bin/bash
hive-S -e &
bash test.sh
Hive数据加载（内部表，外部表，分区表）
内部表数据加载
1. 创建表时加载数据
create table test_bak as select *
2. 创建表时指定数据路径
create table if not exists test2(
name string,
row format delimited fields terminated by'|'
lines terminated by '\n'
stored as textfile
location'file:/hadoop/ylxsource/myspark/testdata/location';
表删除时，数据目录也会删除
3. 本地数据加载
create table if not exists test2(
name string,
row format delimited fieldsterminated by '|'
lines terminated by '\n'
load data local inpath'/hadoop/ylxsource/myspark/testdata/external.txt' into table test2;
4. HDFS数据加载
create table if not exists test2(
name string,
row format delimited fieldsterminated by '|'
lines terminated by '\n'
load data inpath'hdfs://SZB-L88/testdata/external.txt' into table test2;
load data inpath'hdfs://SZB-L88/testdata/external.txt' overwrite into table test2;
5. 通过hdfs命令将数据拷贝到指定的表的目录下面
hdfs dfs -put external.txthdfs://SZB-L88/user/hive/myspark/hive.db/test2/external2.txt
此种方式和内部表相同。
6. 由查询语句加载数据
insert overwrite table test2 select * from test3;
insert into table test2 select * from test3;
外部数据加载
1. 创建外部表时指定分区
create external tableif not exists test2(
name string,
row formatdelimited fields terminated by '|'
lines terminatedby '\n'
stored astextfile
location'hdfs://SZB-L88/testdata/external/';
load data inpath 'hdfs://SZB-L88/testdata/external'into table test2 partition(dt=);
show partitions test2;
2. 查询时插入数据
drop table IF EXISTShdp_circ_annuity_number_60s;
create table IF NOT EXISTShdp_circ_annuity_number_60s
polno stringcomment '保单号',
plan_code stringcomment '险种代码',
deptno stringcomment '部门',
p_number decimal(18) comment '人数'
partitioned by (flag string, data_date string)
row format delimited fields terminated by '\001' ;
insert overwrite tablehdp_circ_annuity_number_60s partition(flag, data_date)
select polno,
plan_code,
count(distinct insno) as p_number,
'A1' as flag,
'; as data_date
from hdp_gbs_pol_ben_tmp
where to_date(undwrt_date) &= '' and to_date(undwrt_date)& ''
group by polno,
plan_code,
3. 加载数据到分区表
load data local inpath '/home/hadoop/data.txt' overwriteinto table test partition (ds='');
load data inpath 'hdfs://SZB-L88/hadoop'overwrite into table test partition (ds='');
Hive数据加载注意问题
分隔符问题：
分隔符默认只有单个字符。如果有多个字符，默认取第一个字符作为分隔符。
数据类型对应问题：
load数据数据，字段类型不能互相转化时，查询结果返回NULL。而实际的数据仍然存在。
select查询插入，字段类型不能互相转化时，插入数据为NULL。而实际的数据也为NULL。
select查询插入数据，字段值顺序要与表中字段顺序一致，名称可不一致。
Hive在数据加载时不做检查，查询时检查。
外部分区表需要添加分区才能看到数据。
Hive数据导出
使用HDFS命令导出
获取location路径
使用get方式获取：
hdfs dfs -get hdfs://SZB-L88/user/hive/myspark/hive.db/test/array.txtresult.txt
使用text方式获取：
hdfs dfs -texthdfs://SZB-L88/user/hive/myspark/hive.db/test/array.txt & ok
通过INSERT & DIRECTORY方式
insert overwrite local directory'/hadoop/ylxsource/myspark/testdata/test2'
row format delimited fields terminated by'\t'
select * from test2;
insert overwrite directory'hdfs://SZB-L88/testdata/test2'
row format delimited fields terminated by '\t'
select * from test2;
Shell命令方式
hive -S -e & select * fromtest2;& & result.txt
第三方工具Sqoop
sqoop import/export
Hive动态分区
动态分区指不需要为不同的分区添加不同的插入语句，分区不确定，需要从数据中自动获取。
相关参数配置
#开启动态分区
set hive.exec.dynamic.partition=
#如果模式是strict，则必须有一个静态分区，且放在最前面
set hive.exec.dynamic.partition.mode=
#每个节点生成动态分区最大个数
sethive.exec.max.dynamic.partitions.pernode=10000;
#生成动态分区最大个数，如果自动分区数大于这个参数，将会报错
set hive.exec.max.dynamic.partitions=100000;
#一个任务最多可以创建的文件数目
set hive.exec.max.created.files＝150000;
#限定一次最多打开的文件数
set dfs.datanode.max.xcievers=8192;
create table dynamic_table(
partitioned by (name string,score string)
row format delimited
fields terminated by '\t'
lines terminated by '\n'
insert overwrite table dynamic_tablepartition(name,score)
select id,name,score from test2;
show partitions dynamic_
如果参数set hive.exec.dynamic.partition.mode=strict，则必须指定一个静态分区字段：
sethive.exec.dynamic.partition.mode=
再执行上面的语句：
insert overwrite table dynamic_tablepartition(name,score)
select id,name,score from test2;
会报如下错误：
FAILED: SemanticException [Error 10096]: Dynamic partition strict mode requires at least one staticpartition column. To turn this off sethive.exec.dynamic.partition.mode=nonstrict
需要如下方式指定一个静态分区字段：
insert overwrite table dynamic_tablepartition(name='Bigdata',score)
select id,score from test2;
Hive表字段属性修改
l 修改表名
alter table test2 rename to new_test2;
l 添加字段
alter table new_test2 add columns(count1 intcomment 'count1', count2 int comment 'count2');
l 修改字段
create tabletest_change (a int, b int, c int);
alter tabletest_change change a a1
alter tabletest_change change a1 a2
alter tabletest_change change c c1
l 修改表属性
alter table new_test2 set tblproperties('comment'= 'this is the table new_test2');
l 外部表和内部表互转
内部表转外部表:
altertable new_test2 set TBLPROPERTIES ('EXTERNAL' = 'TRUE');
外部表转内部表:
altertable new_test2 set TBLPROPERTIES('EXTERNAL'='FALSE');
Hive常见内置函数及其使用
l 查看当前可用函数等信息
显示函数的描述信息
DESC FUNCTION
显示函数的扩展描述信息
DESC FUNCTION EXTENDED
l 简单函数
函数的计算粒度为单条记录。
字符串函数
l 聚合函数
函数处理的数据粒度为多条记录。
sum()&求和
count()&求数据量
avg()&求平均直
distinct&求不同值数
min&求最小值
max&求最人值
l 集合函数
复合类型构建
复杂类型访问
复杂类型长度
l 特殊函数
1) 窗口函数
应用场景：
用于分区排序
动态Group By
last_value
2) 分析函数
ROW_NUMBER
DENSE_RANK
PERCENT_RANK
3) 混合函数
java_method(class,method [,arg1 [,arg2])
reflect(class,method [,arg1 [,arg2..]])
hash(a1 [,a2...])
lateralView: LATERAL VIEW udtf(expression)tableAlias AS columnAlias (',' columnAlias)*
fromClause: FROM baseTable (lateralView)*
select t.word_list,count(1) from
select word_list from words w lateral view explode(split(w.word,' ')) ww as word_list
) t group by t.word_
lateral view用于和split,explode等UDTF一起使用，它能够将一行数据拆成多行数据，在此基础上可以对拆分后的数据进行聚合。lateral view首先为原始表的每行调用UDTF，UTDF会把一行拆分成一或者多行，lateral view再把结果组合，产生一个支持别名表的虚拟表。
l 常用函数
1. 获取当前时间
selectfrom_unixtime(unix_timestamp(),'yyyy-MM-dd HH:mm:ss');
2. 截取时间
selectregexp_replace(substr('',0,7),'-','');
select to_date(' 12:24:12');
3. 修改日期格式
select from_unixtime(to_unix_timestamp('','yyyy/MM/dd'),'yyyy-MM-ddHH:mm:ss');
4. 数据类型强制转换
select cast('1314' as int);
5. 判断语句
select ossdkversion,
osversion,
mobilemodel,
networkconntype,
e_version,
data_date,
'登录' as module,
case tmp.lable
when '用户登陆' then '用户名+密码登录次数'
when '手势登录成功' then '手势密码登录成功次数'
when '手势设置失败'then '手势密码设置失败次数'
when '手势登录失败' then '手势密码登录失败次数'
when '忘记密码' then '忘记密码'
frome_temp tmp
wheretmp.lable in ('用户登陆','手势登录成功','手势设置失败','手势登录失败','忘记密码')
select if('o'='o','o_o','^o^');
6. 解析Json格式内容
selectget_json_object('{&name&:&spark&,&age&:&10&}','$.name');
7. 解析URL地址
SELECTparse_url('/path/p1.php?query=1', 'HOST');
SELECTparse_url('/path/p1.php?query=1', 'QUERY')
SELECT parse_url('/path/p1.php?query=1','QUERY', 'query');
8. 字符串连接函数
select concat('S','p','a','r','k');
select concat_ws('-','S','p','a','r','k');
9. 输出数组集合
列出该字段所有不重复的值，相当于去重
collect_set(polno) //返回的是数组
列出该字段所有的值，列出来不去重
collect_list(polno) //返回的是数组
select collect_set(polno) frommyspark.pol_ben_s;
select collect_list(polno) frommyspark.pol_ben_s;
10. 窗口函数：
first_value：
select polno,certno,first_value(certno) over (partition bypolno order by certno desc ) from myspark.pol_ben_s;
select polno,certno, rank() over (partition by polno order bycertno) as rank from myspark.pol_ben_s;
row_number：
select polno,certno, row_number() over (partition by polnoorder by certno) as rank from myspark.pol_ben_s;
row_number()是没有重复值的排序(即使两天记录相等也是不重复的)，可以利用它来实现分页
dense_rank()是连续排序，两个第二名仍然跟着第三名
rank()是跳跃拍学，两个第二名下来就是第四名
11. 使用正则表达式
selectregexp_extract('x=a3&x=18abc&x=2&y=3&x=4','x=([0-9]+)([a-z]+)',0);
selectregexp_extract('x=a3&x=18abc&x=2&y=3&x=4','x=([0-9]+)([a-z]+)',1);
selectregexp_extract('x=a3&x=18abc&x=2&y=3&x=4','x=([0-9]+)([a-z]+)',2);
</string,array相关文章推荐
.cn/s/blog_4cf58c9c010106mx.html
关于OpenFileDialog的使用
1、 OpenFileDialog控件有以下基本属性
InitialDirectory
对话框的初始目录
log4net是.Net下一个非常优秀的开源日志记录组件。log4net记录日志的功能非常强大。它可以将日志分不同的等级，以不同的格式，输出到不同的媒介。本文主要是介绍如何在Visual
...
java.lang.VirtualMachineError
虚拟机错误。用于指示虚拟机被破坏或者继续执行操作所需的资源不足的情况。
java.lang.ArithmeticExce...
导语：2015做微商晚？现在做微商还有市场？答案：现在做微商不晚！现在微商已经走上了正规化了！只要你按照步奏走，你想月入多少都不是事！前提你的努力！空想不如在家睡觉，白日做梦！
1、对于一个没有被载入或者想要动态载入的界面, 都需要使用inflate来载入.
2、对于一个已经载入的Activity, 就可以使用实现了这个Activiyt的的findView...
gawk程序是Unix中原awk程序的GNU版本。现在我们平常使用的awk其实就是gawk，可以看一下awk命令存放位置，awk建立一个软连接指向gawk，所以在系统中你使用aw...
1、HTTP协议本身是无状态的。
我们上网都要靠HTTP协议传递信息。比如我们在浏览器里键入：这个网址并回车，你会发现网址会变成：http://www.bokee...
指向字符串的指针为何不能用来修改此字符串(c语言)
( 13:51:01)
分类： c/cpp
他的最新文章
讲师：董晓杰
讲师：姚远
他的热门文章
您举报文章：
举报原因：
原文地址：
原因补充：
(最多只允许输入30个字)}
我要回帖
更多关于 不知道做什么工作 的文章
- ·若不知道做什么a是第几象限,首先需要做什么
- ··去餐饮报名总不知不知道做什么生意跟呆子似的，是我不行吗
- ·每晚都失眠，现在都每天不知道做什么菜要怎样生活了，每天做什么都没精神，什么也做不好，现在是个一无是处，一事无成
- ·去手机店工作，不知道找什么工作是怎么工作
- ·你还在那拿着手机想找工作不知道做什么么？ http://z.1mxb.com/user/register/4e583 点击这
- ·不知道做什么工作检查可以知道肺里有没有异物
- ·高中读完后就没读了，出来打工，也想转行不知道做什么能做什么，本人男，以前是体育生
- ·失业了！不知道自己该迷茫不知道做什么工作作，之前做过金融和餐饮，不过这两样我不想再接触了，
- ·飘了飘逸灵动五年不及了 还是不知道自己能做什么 想去学个专业 不知道学什么 迷茫 一个月多月没上班了
- ·25万能做些不知道做什么工作？
更多推荐
- ·驾驶驾照到期了换证需要哪些手续去哪里换
- ·多伦多大学读不下去了美加学院好升学吗？
- ·投诉学校保安最狠的方法当保安因为玩手机要被开除有没有补偿？
- ·多伦多大学商学院学费美加学院的学生获得过哪些厉害的奖学金？
- ·在加拿大多伦多大学留学一年费用美加学院留学的话，硬件设施之类的都怎么样？
- ·新生儿黄疸正常值生理学黄疸占体重的多少?
- ·上海治疗阳痿最好医院什么医院治疗小孩抽动症最好
- ·腮帮为什么会有肉球指纹一侧有肉球
- ·宝宝17个月一天咳嗽一两声咳嗽不吃药能好吗会严重吗
- ·骨肱骨骨折裂缝可以烤电吗
- ·殷巷有丁山针灸的地方在哪里吗
- ·聚健康关于浅表性胃炎伴糜烂慢性胃炎讲解用药分解视频有时贫血吃炒的东西 会流鼻血胃口也不好睡眠也不好
- ·肝脏移植需要配型吗大概需要多少费用？
- ·这种情况电线起火了应该怎么办办？
- ·印堂中间有一条竖纹一条半园纹
- ·婴儿肛周脓肿可以用苯扎吸入用异丙托溴铵溶液冼吗
- ·脚趾骨折打钢钉，打的钢钉，数日后断在里面了，是不是质量问题
- ·速效伤风胶囊囊和维生素VC一起服用对身体有害吗
- ·看黄看多了热贴对身体有坏处么什么坏处？
- ·上顿度县医院老年人小肠疝气手术术多少钱
- ·你还在那拿着手机想找工作不知道做什么么？ http://z.1mxb.com/user/register/4e583 点击这
- ·买二手笔记本在哪买好电脑是在51买好还是在高考后买好？
- ·怎么破解金立手机如何连接电脑密码连接不上电脑
- ·数控卧x6132卧式铣床电路图6132如何编程序
- ·2016全球sdn技术大会书籍有哪些
- ·中兴g180 隐私模式功能键及怎么便用
- ·仅仅只需要15块钱，你就可以每天晚上没事做什么赚钱的时候拿着手机赚钱，每天投下票，比如给那些萌宝宝投票啊，还有明
- ·电气工程师h15ap1一n8
- ·全民奇迹qq登陆更新完了，从新登陆的时候还是以前的手机号码，为什么提示请
- ·有机光电功能材料研究的参考文献有哪些
- ·索尼18650c4电池真假电池t6b是哪一年的
- ·内置电视机没有内置wifi怎样安装
- ·大气中子弹注量率中的波音模型和NASA模型具体内容是什么？典型值是怎么
- ·麦卢卡蜂蜜的功效mg是不是就是mgo
- ·app下载二维码生成下载 120.55.193.221
