进入大数据行业数载，也从一个开发小白走到了今天，期间也历经过一摸番着石头过河的探索，到如今的胸有点墨；玩过demo,使用过负责过上千节点的大数据集群开发与使用；被人面虐过，也面跪过一些人。如今，趁着自己心中有火，眼里有光的年纪，把自己的一点心得与经验分享大数据行业的爱好者。
数据量小的时候无所谓，数据量大的情况下，由于 COUNT DISTINCT 操作需要用一个 Reduce Task 来完成，这一个 Reduce 需要处理的数据量太大，就会导致整个 Job 很难完成， 一般 COUNT DISTINCT 使用先 GROUP BY 再 COUNT 的方式替换，但是需要注意 group by 造成的数据倾斜问题。
本文目录（本文约六万五千字）（一）基本概念、安装、数据类型（二）DDL数据定义、DML数据操作（三）查询、分区表和分桶表（四）函数、压缩和存储（五）企业级调优、Hive实战（一）基本概念、安装、数据类型1 基本概念1.
