hive

全不同应用场景吧，HBase速度比Hive快了不知道多少。HBase是非关系型数据库（KV型），对key做索引，查询速度非常快（相比较Hive），适合实时查询；而Hive是关系型数据结构，适合做后期数据分析。和单机的MySQL，Oracle比较的话，Hive的优点是可以存储海量数据，只是查询速度比较慢。

Hive中存放表。 存的是和hdfs的映射关系，hive是逻辑上的数据仓库，实际操作的都是hdfs上的文件，HQL就是用sql语法来写的mr程序。

1进入HIVE之前要把HADOOP给启动起来，因为HIVE是基于HADOOP的。所有的MR计算都是在HADOOP上面进行的。2在命令行中输入：hive。这个时候就可以顺利的进入HIVE了。当然了，如果你想直接执行HQL脚本文件可以这样：hive -f xxxxx.hql。3进入hive之后一一般默认的数据库都是default。如果你切换数据库的话所建的表都会是在default数据库里面。4创建数据库的语法是：create database database_name;非常简单的，其实hive跟mysql的语法还是比较相似的。为什么呢？请继续往下5切换数据库的时候可以输入：use database_name；查看所有数据库的时候可以输入：show databases;查看所有表的时候可以输入：show tables6看表结构的时候可以输入：describe tab_name;

u2003u2003在进行数据分析时，尤其要对网页进行分析时，我们往往要对其中部分的数据进行抽取，这个就需要靠hive的函数来完成了。 u2003u2003首先要讲的是split函数，这个函数的作用是对字符窜进行分割，基本用法为：split(string str, string pat) ，返回值为一个数组array，因此要取值得话需要用到切片，即[数字]，其中第一个str是要切分的字符串，第二个pat是以什么字符进行切割。来看案例吧。 u2003u2003有的时候切割不是一下就能完成，那么就多去嵌套几次split就好了。 u2003u2003返回字符串从某个位置开始固定长度的子串，和substring功能相同，基本用法为substr(string A, int start, int len )，还是来看例子。值得注意的是，substr(str,0,2)和substr(str,1,2)的功能都是一样的，都是从第一个位置开始。 u2003u2003这个函数是个神器，可以解析url结构，返回我们想要的东西。基本用法为parse_url(string urlString, string partToExtract [, string keyToExtract])，其中partToExtract的有效值包括HOST，PATH， QUERY， REF， PROTOCOL， AUTHORITY，FILE和USERINFO等，具体我就不一一解释了，大家使用时可以自行百度。重点说一下，当第二个参数是QUERY时，第三个参数就可以使用了，这个是参数提取最有用的方法了，还是以案例来说明。 u2003u2003这个函数是最终的大杀器了，以上都解决不了你的问题的时候，有了这个一切都可以解决，使用这个函数的基础是正则表达式基础要会一些。这个函数的基本用法是regexp_extract(string subject, string pattern, int index)，第一个参数是待处理的字符串，第二个参数是写好的正则，第三个表达式一般用不上可以忽略掉。来看例子： u2003u2003有了以上函数，相信应该能满足大家对于hive进行字符串提取的一切要求了。

说明：hive 的表存放位置模式是由 hive-site.xml 当中的一个属性指定的，默认是存放在该配置文件设置的路径下，也可在创建数据库时单独指定存储路径。 数据库有一些描述性的属性信息，可以在创建时添加： 查看数据库的键值对信息 修改数据库的键值对信息 与mysql查询语句是一样的语法 删除一个空数据库，如果数据库下面有数据表，那么就会报错 强制删除数据库，包含数据库下面的表一起删除(请谨慎操作) []里的属性为可选属性，不是必须的，但是如果有可选属性，会使 sql 语句的易读性更好，更标准与规范。 例如：[comment "字段注释信息"][comment "表的描述信息"]等，[external]属性除外 1. CREATE TABLE 创建一个指定名字的表，如果相同名字的表已存在，则抛出异常提示：表已存在，使用时可以使用IF NOT EXISTS语句来忽略这个异常。 如果创建的表名已存在，则不会再创建，也不会抛出异常提示：表已存在。否则则自动创建该表。 2. EXTERNAL 顾名思义是外部的意思，此关键字在建表语句中让使用者可以创建一个外部表，如果不加该关键字，则默认创建内部表。 外部表在创建时必须同时指定一个指向实际数据的路径（LOCATION），Hive在创建内部表时，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，不对数据的位置作任何改变。 内部表在删除后，其元数据和数据都会被一起删除。 外部表在删除后，只删除其元数据，数据不会被删除。 3. COMMENT 用于给表的各个字段或整张表的内容作解释说明的，便于他人理解其含义。 4. PARTITIONED BY 区分表是否是分区表的关键字段，依据具体字段名和类型来决定表的分区字段。 5. CLUSTERED BY 依据column_name对表进行分桶，在 Hive 中对于每一张表或分区，Hive 可以通过分桶的方式将数据以更细粒度进行数据范围划分。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。 6. SORTED BY 指定表数据的排序字段和排序规则，是正序还是倒序排列。 7. ROW FORMAT DELIMITED FIELDS TERMINATED BY " " 指定表存储中列的分隔符，这里指定的是" "，也可以是其他分隔符。 8. STORED AS SEQUENCEFILE|TEXTFILE|RCFILE 指定表的存储格式，如果文件数据是纯文本格式，可以使用STORED AS TEXTFILE，如果数据需要压缩，则可以使用STORED AS SEQUENCEFILE。 9. LOCATION 指定 Hive 表在 hdfs 里的存储路径，一般内部表（Managed Table）不需要自定义，使用配置文件中设置的路径即可。 如果创建的是一张外部表，则需要单独指定一个路径。 1. 使用create table语句创建表 例子： 2. 使用create table ... as select...语句创建表 例子： 使用 create table ... as select ...语句来创建新表sub_student，此时sub_student 表的结构及表数据与 t_student 表一模一样， 相当于直接将 t_student 的表结构和表数据复制一份到 sub_student 表。 注意： (1). select 中选取的列名（如果是 * 则表示选取所有列名）会作为新表 sub_student 的列名。 (2). 该种创建表的方式会改变表的属性以及结构，例如不能是外部表，只能是内部表，也不支持分区、分桶。 如果as select后的表是分区表，并且使用select *，则分区字段在新表里只是作为字段存在，而不是作为分区字段存在。 在使用该种方式创建时，create 与 table 之间不能加 external 关键字，即不能通过该种方式创建外部目标表，默认只支持创建内部目标表。 (3). 该种创建表的方式所创建的目标表存储格式会变成默认的格式textfile。 3.使用like语句创建表 例子： 注意： (1). 只是将 t_student 的表结构复制给 sub1_student 表。 (2). 并不复制 t_student 表的数据给 sub1_student 表。 (3). 目标表可以创建为外部表，即:

对于hbase当前noSql数据库的一种，最常见的应用场景就是采集的网页数据的存储，由于是key-value型数据库，可以再扩展到各种key-value应用场景，如日志信息的存储，对于内容信息不需要完全结构化出来的类CMS应用等。注意hbase针对的仍然是OLTP应用为主。对于hive主要针对的是OLAP应用，注意其底层不是hbase，而是hdfs分布式文件系统，重点是基于一个统一的查询分析层，支撑OLAP应用中的各种关联，分组，聚合类SQL语句。hive一般只用于查询分析统计，而不能是常见的CUD操作，要知道HIVE是需要从已有的数据库或日志进行同步最终入到hdfs文件系统中，当前要做到增量实时同步都相当困难。和mysql,oracle完全不是相同的应用场景。这个是结构化数据库，针对的更多的是结构化，事务一致性要求高，业务规则逻辑复杂，数据模型复杂的企业信息化类应用等。包括互联网应用中的很多业务系统也需要通过结构化数据库来实现。所以和hbase,hive不是一个层面的东西，不比较。

数据更新是一种常见的操作，然后数据仓库的概念一般要求的是数据是集成、稳定的。HIVE作为一种分布式环境下以HDFS为支撑的数据仓库，它同样更多的要求数据是不可变的。然而现实很多任务中，往往需要对数据进行更新操作，经查，Hive自0.11版本之后就提供了更新操作。于是想着试验一下，看看HIVE更新的操作和性能。按照网上办法进行设置.hive.support.concurrency–truehive.enforce.bucketing–true(NotrequiredasofHive2.0)hive.exec.dynamic.partition.mode–nonstricthive.txn.manager–org.apache.Hadoop.hive.ql.lockmgr.DbTxnManagerhive.compactor.initiator.on–true(forexactlyoneinstanceoftheThriftmetastoreservice)hive.compactor.worker.threads–apositive 同样在建表后面添加: storedasorcTBLPROPERTIES("transactional"="true");以支持ACID的要求.如以简单的表进行实验:(idint,namestring),随意导入几条数据,进行测试.写入更新操作命令:update**setname="aaa"whereid=1;得到结果如下:似乎这样操作，HIVE对UPDATE操作就非常好的。其实经过实验，发现HIVE的更新机制速度非常的慢，在一个仅仅为6行的数据测试，其花费时间也要180S，这种效率肯定是无法忍受的。猜测其原因可能需要读出原有的表，进行更新，然后再写回HDFS？仅仅是猜测而已。另外一个非常头疼的事情是，这种HIVE环境下支持ACID的表，竟然只能在HIVE内部才能访问到，而在BEELINE或者Spark环境下，居然是无法获得数据的。或者对外不提供接口。(中间那行居然不显示数据!!!!)

控制hive任务中的map数: 1. 通常情况下，作业会通过input的目录产生一个或者多个map任务。 主要的决定因素有： input的文件总个数，input的文件大小，集群设置的文件块大小(目前为128M, 可在hive中通过set dfs.block.size;命令查看到，该参数不能自定义修改)；2. 举例： a) 假设input目录下有1个文件a,大小为780M,那么hadoop会将该文件a分隔成7个块（6个128m的块和1个12m的块），从而产生7个map数b) 假设input目录下有3个文件a,b,c,大小分别为10m，20m，130m，那么hadoop会分隔成4个块（10m,20m,128m,2m）,从而产生4个map数即，如果文件大于块大小(128m),那么会拆分，如果小于块大小，则把该文件当成一个块。3. 是不是map数越多越好？ 答案是否定的。如果一个任务有很多小文件（远远小于块大小128m）,则每个小文件也会被当做一个块，用一个map任务来完成，而一个map任务启动和初始化的时间远远大于逻辑处理的时间，就会造成很大的资源浪费。而且，同时可执行的map数是受限的。4. 是不是保证每个map处理接近128m的文件块，就高枕无忧了？ 答案也是不一定。比如有一个127m的文件，正常会用一个map去完成，但这个文件只有一个或者两个小字段，却有几千万的记录，如果map处理的逻辑比较复杂，用一个map任务去做，肯定也比较耗时。针对上面的问题3和4，我们需要采取两种方式来解决：即减少map数和增加map数；如何合并小文件，减少map数？假设一个SQL任务：Select count(1) from popt_tbaccountcopy_mes where pt = ‘2012-07-04";该任务的inputdir /group/p_sdo_data/p_sdo_data_etl/pt/popt_tbaccountcopy_mes/pt=2012-07-04共有194个文件，其中很多是远远小于128m的小文件，总大小9G，正常执行会用194个map任务。Map总共消耗的计算资源： SLOTS_MILLIS_MAPS= 623,020我通过以下方法来在map执行前合并小文件，减少map数：set mapred.max.split.size=100000000;set mapred.min.split.size.per.node=100000000;set mapred.min.split.size.per.rack=100000000;set hive.input.format=org.apache.hadoop.hive.ql.io.CombineHiveInputFormat;再执行上面的语句，用了74个map任务，map消耗的计算资源：SLOTS_MILLIS_MAPS= 333,500对于这个简单SQL任务，执行时间上可能差不多，但节省了一半的计算资源。大概解释一下，100000000表示100M, set hive.input.format=org.apache.hadoop.hive.ql.io.CombineHiveInputFormat;这个参数表示执行前进行小文件合并，前面三个参数确定合并文件块的大小，大于文件块大小128m的，按照128m来分隔，小于128m,大于100m的，按照100m来分隔，把那些小于100m的（包括小文件和分隔大文件剩下的），进行合并,最终生成了74个块。如何适当的增加map数？ 当input的文件都很大，任务逻辑复杂，map执行非常慢的时候，可以考虑增加Map数，来使得每个map处理的数据量减少，从而提高任务的执行效率。假设有这样一个任务：Select data_desc,count(1),count(distinct id),sum(case when …),sum(case when ...),sum(…)from a group by data_desc如果表a只有一个文件，大小为120M，但包含几千万的记录，如果用1个map去完成这个任务，肯定是比较耗时的，这种情况下，我们要考虑将这一个文件合理的拆分成多个，这样就可以用多个map任务去完成。set mapred.reduce.tasks=10;create table a_1 asselect * from adistribute by rand(123);这样会将a表的记录，随机的分散到包含10个文件的a_1表中，再用a_1代替上面sql中的a表，则会用10个map任务去完成。每个map任务处理大于12M（几百万记录）的数据，效率肯定会好很多。看上去，貌似这两种有些矛盾，一个是要合并小文件，一个是要把大文件拆成小文件，这点正是重点需要关注的地方，根据实际情况，控制map数量需要遵循两个原则：使大数据量利用合适的map数；使单个map任务处理合适的数据量；

对于hbase当前noSql数据库的一种，最常见的应用场景就是采集的网页数据的存储，由于是key-value型数据库，可以再扩展到各种key-value应用场景，如日志信息的存储，对于内容信息不需要完全结构化出来的类CMS应用等。注意hbase针对的仍然是OLTP应用为主。对于hive主要针对的是OLAP应用，注意其底层不是hbase，而是hdfs分布式文件系统，重点是基于一个统一的查询分析层，支撑OLAP应用中的各种关联，分组，聚合类SQL语句。hive一般只用于查询分析统计，而不能是常见的CUD操作，要知道HIVE是需要从已有的数据库或日志进行同步最终入到hdfs文件系统中，当前要做到增量实时同步都相当困难。和mysql,oracle完全不是相同的应用场景。这个是结构化数据库，针对的更多的是结构化，事务一致性要求高，业务规则逻辑复杂，数据模型复杂的企业信息化类应用等。包括互联网应用中的很多业务系统也需要通过结构化数据库来实现。所以和hbase,hive不是一个层面的东西，不比较。

Spark已经取代Hadoop成为最活跃的开源大数据项目，但是，在选择大数据框架时，企业不能因此就厚此薄彼近日，著名大数据专家Bernard Marr在一篇文章中分析了Spark和 Hadoop 的异同Hadoop和Spark均是大数据框架，都提供了一些执行常见大数据任务的工具，但确切地说，它们所执行的任务并不相同，彼此也并不排斥虽然在特定的情况下，Spark据称要比Hadoop快100倍，但它本身没有一个分布式存储系统而分布式存储是如今许多大数据项目的基础，它可以将 PB 级的数据集存储在几乎无限数量的普通计算机的硬盘上，并提供了良好的可扩展性，只需要随着数据集的增大增加硬盘因此，Spark需要一个第三方的分布式存储，也正是因为这个原因，许多大数据项目都将Spark安装在Hadoop之上，这样，Spark的高级分析应用程序就可以使用存储在HDFS中的数据了与Hadoop相比，Spark真正的优势在于速度，Spark的大部分操作都是在内存中，而Hadoop的MapReduce系统会在每次操作之后将所有数据写回到物理存储介质上，这是为了确保在出现问题时能够完全恢复，但Spark的弹性分布式数据存储也能实现这一点另外，在高级数据处理（如实时流处理、机器学习）方面，Spark的功能要胜过Hadoop在Bernard看来，这一点连同其速度优势是Spark越来越受欢迎的真正原因实时处理意味着可以在数据捕获的瞬间将其提交给分析型应用程序，并立即获得反馈在各种各样的大数据应用程序中，这种处理的用途越来越多，比如，零售商使用的推荐引擎、制造业中的工业机械性能监控Spark平台的速度和流数据处理能力也非常适合机器学习算法，这类算法可以自我学习和改进，直到找到问题的理想解决方案这种技术是最先进制造系统（如预测零件何时损坏）和无人驾驶汽车的核心Spark有自己的机器学习库MLib，而Hadoop系统则需要借助第三方机器学习库，如Apache Mahout实际上，虽然Spark和Hadoop存在一些功能上的重叠，但它们都不是商业产品，并不存在真正的竞争关系，而通过为这类免费系统提供技术支持赢利的公司往往同时提供两种服务例如，Cloudera 就既提供 Spark服务也提供 Hadoop服务，并会根据客户的需要提供最合适的建议Bernard认为，虽然Spark发展迅速，但它尚处于起步阶段，安全和技术支持基础设施方还不发达，在他看来，Spark在开源社区活跃度的上升，表明企业用户正在寻找已存储数据的创新用法

hive和mysql的区别有：1、查询语言不同：hive是hql语言，mysql是sql语句；2、数据存储位置不同：hive是把数据存储在hdfs上，而mysql数据是存储在自己的系统中；3、数据格式：hive数据格式可以用户自定义，mysql有自己的系统定义格式；4、数据更新：hive不支持数据更新，只可以读，不可以写，而sql支持数据更新；5、索引：hive没有索引，因此查询数据的时候是通过mapreduce很暴力的把数据都查询一遍，也造成了hive查询数据速度很慢的原因，而mysql有索引。

下单备注：奶牛睡衣

1、首先，Hive没有专门的数据存储格式，也没有为数据建立索引，用户可以非常自由的组织Hive中的表，只需要在创建表的时候告诉Hive数据中的列分隔符和行分隔符，Hive就可以解析数据。2、第hive本身是不存储数据的，不论外表、内表，hive的所有数据是存放在hdfs文件系统的。3、hadoop是一个分布式的软件处理框架，hive是一个提供了查询功能的数据仓库，而hadoop底层的hdfs为hive提供了数据存储。hive将用户提交的SQL解析成mapreduce任务供hadoop直接运行，结合两者的优势，进行数据决策。4、国内最常用的是一款基于Hadoop的开源数据仓库，名为Hive，它可以对存储在HDFS的文件数据进行查询、分析。Hive对外可以提供HiveQL，这是类似于SQL语言的一种查询语言。5、Pig与HIVE工具类似，都可以用类sql语言对数据进行处理。但是他们应用场景有区别，Pig用于数据仓库数据的ETL，HIVE用于数仓数据分析。

然后删除NEXT_LOCK_ID一条记录。NEXT_LOCK_ID 始终有锁，无法删除数据。；1、停止hiveserver2，MetaStore 服务；发现还有锁；2、查看hive应用进程 ps -ef|grep hive，全部杀掉，锁释放；3、然后删除NEXT_LOCK_ID一条记录；4、重启hiveserver2，MetaStore；5、查询hive 恢复正常。原因可能是多个进程同时操作，导致hive事务上的bug，插进了2条一样的数据，导致元数据库被锁以下几个hive元数据表跟hive的事务有关：NEXT_LOCK_ID；next_compaction_queue_id；next_txn_id；以上三个表出问题就有可能会报以下错误： error in acquiring locks： error communicating with the metastore.hive 卡死的原因很多，这个是其中之一，基本都hive metastore会有一些关系，大家可以按这个方向去定位原因，就能更快速寻找到问题的根源。

当join时有一个或多个小表可以装载进内存时可以使用mapjoin完成。 第一种方法是可以加上mapjoin指示 第二种方法是设置 set hive.auto.convert.join=true;来让hive自动优化。同时可以指定 set hive.auto.convert.join.noconditionaltask = true; --默认开启 set hive.auto.convert.join.noconditionaltask.size = 10000000; --默认10M，可以根据需求做调整。 hive.mapjoin.smalltable.filesize= 2500000；--早期hive版本小表文件大小设置默认25M。 当数据量比较大启动mapjoin后会造成问题请关闭 set hive.map.aggr = true; //是否在 Map 端进行聚合，默认为 True ； set hive.groupby.mapaggr.checkinterval = 100000000; //在 Map 端进行聚合操作的条目数目 1、在关联操作前尽量减小数据集,能先聚合的先聚合、能过滤的先过滤（如设置查询条件、合理设置分区，有分区必须设置分区范围）。 2、关联时数据类型要做到一致，如果不一致请用cast先转换类型。 3、慎用count(distinct) ，容易产生数据倾斜，可以先group by 再count。 4、减少小文件，合理设置输入文件大小、合理设置map job 、reduce job数。 set hive.merge.mapredfiles=true；--设置合并map文件标识。 set mapred.max.split.size=100000000; --设置最大输入文件大小，大于此数值都会进行拆分。 set mapred.min.split.size.per.node=100000000;--设置每个节点可处理的最小值。 set mapred.min.split.size.per.rack=100000000;--设置每个机架可处理的最小值。 set hive.input.format=org.apache.hadoop.hive.ql.io.CombineHiveInputFormat; – 执行前进行小文件合并。 set mapred.reduce.tasks=10; -- 设置reduce的数量 set hive.exec.reducers.bytes.per.reducer=1073741824 --设置每个reduce所处理的数据大小 5、选取字段避免用select * ，只引用你要用的字段，如select a.uid,a.price。 6、关联值有null值的情况下，可以将null值过滤出来单独处理或者将null值随机赋值。当存在某key有热点问题，也可以同样处理。 7、合理设置数据模型、文件存储格式有利于查询效率优化。 8、善用union all 合并对于同一个表的查询，有利于整体提高效率。 9、合理使用中间临时表，数据量巨大时，如统计一年的数据，可先小规模聚合如按月聚合生成中间表，最后再合并统计出结果。 10、有order by 要限制输出条数。 11、合理设置并行查询 set hive.exec.parallel= true ； --以开启并发执行。 set hive.exec.parallel.thread.number= 10 ; //同一个sql允许最大并行度，默认为8。

hive是建立在hadoop之上的一个工具，用于简化一些BI统计。Hive能够帮助用户屏蔽掉复杂的mapreduce逻辑，而只需用户使用简单sql即可完成一定的查询功能

可以通过以下方法查看hive版本：1. 查看hive加载的jar方式来查看。2. 进入hive/lib目录下查看hive-exec的jar包版本。通常，hive-exec的那个jar包的版本就是hive的版本号。

Hive是基于Hadoop平台的数仓工具，具有海量数据存储、水平可扩展、离线批量处理的优点，解决了传统关系型数仓不能支持海量数据存储、水平可扩展性差等问题，但是由于Hive数据存储和数据处理是依赖于HDFS和MapReduce，因此在Hive进行数据离线批量处理时，需将查询语言先转换成MR任务，由MR批量处理返回结果，所以Hive没法满足数据实时查询分析的需求。Hive是由FaceBook研发并开源，当时FaceBook使用Oracle作为数仓，由于数据量越来越大，Oracle数仓性能越来越差，没法实现海量数据的离线批量分析，因此基于Hadoop研发Hive，并开源给Apacha。由于Hive不能实现数据实时查询交互，Hbase可提供实时在线查询能力，因此Hive和Hbase形成了良性互补。Hbase因为其海量数据存储、水平扩展、批量数据处理等优点，也得到了广泛应用。Pig与HIVE工具类似，都可以用类sql语言对数据进行处理。但是他们应用场景有区别，Pig用于数据仓库数据的ETL，HIVE用于数仓数据分析。从架构图当中，可看出Hive并没有完成数据的存储和处理，它是由HDFS完成数据存储，MR完成数据处理，其只是提供了用户查询语言的能力。Hive支持类sql语言，这种SQL称为Hivesql。用户可用Hivesql语言查询，其驱动可将Hivesql语言转换成MR任务，完成数据处理。【Hive的访问接口】CLI：是hive提供的命令行工具HWI：是Hive的web访问接口JDBC/ODBC：是两种的标准的应用程序编程访问接口Thrift Server：提供异构语言，进行远程RPC调用Hive的能力。因此Hiv具备丰富的访问接口能力，几乎能满足各种开发应用场景需求。【Driver】是HIVE比较核心的驱动模块，包含编译器、优化器、执行器，职责为把用户输入的Hivesql转换成MR数据处理任务【Metastore】是HIVE的元数据存储模块，数据的访问和查找，必须要先访问元数据。Hive中的元数据一般使用单独的关系型数据库存储，常用的是Mysql，为了确保高可用，Mysql元数据库还需主备部署。架构图上面Karmasphere、Hue、Qubole也是访问HIVE的工具，其中Qubole可远程访问HIVE，相当于HIVE作为一种公有云服务，用户可通过互联网访问Hive服务。Hive在使用过程中出现了一些不稳定问题，由此发展出了Hive HA机制，

hive是hadoop的延申。hadoop是一个分布式的软件处理框架，hive是一个提供了查询功能的数据仓库，而hadoop底层的hdfs为hive提供了数据存储。hive将用户提交的SQL解析成mapreduce任务供hadoop直接运行，结合两者的优势，进行数据决策。一个擅长大数据并行计算，一个支持SQL数据查询，方便是显而易见的。但hive只要还是读操作有了Hive之后，人们发现SQL对比Java有巨大的优势。一个是它太容易写了。刚才词频的东西，用SQL描述就只有一两MapReduce写起来大约要几十上百行。扩展资料：它主要有以下几个优点 ：1、高可靠性。Hadoop按位存储和处理数据的能力值得人们信赖 。2、高扩展性。Hadoop是在可用的计算机集簇间分配数据并完成计算任务的，这些集簇可以方便地扩展到数以千计的节点中 。3、高效性。Hadoop能够在节点之间动态地移动数据，并保证各个节点的动态平衡，因此处理速度非常快。4、高容错性。Hadoop能够自动保存数据的多个副本，并且能够自动将失败的任务重新分配。低成本。与一体机、商用数据仓库以及QlikView、Yonghong Z-Suite等数据集市相比，hadoop是开源的，项目的软件成本因此会大大降低 。Hadoop带有用Java语言编写的框架，因此运行在 Linux 生产平台上是非常理想的。Hadoop 上的应用程序也可以使用其他语言编写，比如 C++ 。

n.蜂房 蜂巢 热闹的场所

Hive是什么1）Hive 是建立在Hadoop (HDFS/MR)上的用于管理和查询结果化/非结构化的数据仓库；2）一种可以存储、查询和分析存储在Hadoop 中的大规模数据的机制；3）Hive 定义了简单的类SQL 查询语言，称为HQL，它允许熟悉SQL 的用户查询数据；4）允许用Java开发自定义的函数UDF来处理内置无法完成的复杂的分析工作；5）Hive没有专门的数据格式（分隔符等可以自己灵活的设定）；ETL的流程（Extraction-Transformate-Loading）：将关系型数据库的数据抽取到HDFS上，hive作为数据仓库，经过hive的计算分析后，将结果再导入到关系型数据库的过程。Hive是构建在Hadoop之上的数据仓库1）使用HQL作为查询接口；2）使用HDFS作为存储；3）使用MapReduce作为计算；Hive应用场景数据源：1）文件数据，如中国移动某设备每天产生大量固定格式的文件；2）数据库以上两种不同的数据源有个共同点：要使用hive，那么必须要将数据放到hive中；通常采用如下两种方式：1）文件数据：load到hive2）数据库: sqoop到hive数据的离线处理；hive的执行延迟比较高，因为hive常用于数据分析的，对实时性要求不高；hive优势在于处理大数据，对于处理小数据没有优势，因为hive的执行延迟比较高。处理数据存放在hive表中，那么前台系统怎么去访问hive的数据呢？先将hive的处理结果数据转移到关系型数据库中才可以，sqoop就是执行导入导出的操作

Hive 是一种底层封装了Hadoop 的数据仓库处理工具，使用类SQL 的HiveQL 语言实现数据查询，所有Hive 的数据都存储在Hadoop 兼容的文件系统（例如，Amazon S3、HDFS）中。Hive 在加载数据过程中不会对数据进行任何的修改，只是将数据移动到HDFS 中Hive 设定的目录下，因此，Hive 不支持对数据的改写和添加，所有的数据都是在加载的时候确定的。Hive 的设计特点如下。● 支持索引，加快数据查询。● 不同的存储类型，例如，纯文本文件、HBase 中的文件。● 将元数据保存在关系数据库中，大大减少了在查询过程中执行语义检查的时间。● 可以直接使用存储在Hadoop 文件系统中的数据。● 内置大量用户函数UDF 来操作时间、字符串和其他的数据挖掘工具，支持用户扩展UDF 函数来完成内置函数无法实现的操作。● 类SQL 的查询方式，将SQL 查询转换为MapReduce 的job 在Hadoop集群上执行。

hiven. 蜂巢; 蜂箱; 蜂群; 喧闹地区; vt. 使（蜂）入蜂箱; 贮（蜜）于蜂箱中; 储备，积累;hivesn. 蜂巢; 蜂群; <医>荨麻疹; 蜂箱( hive的名词复数 ); 喧闹地区; v. 使（蜂）入hivern. 养蜂人; 招蜂器;Hives [人名] 海夫斯;hive off （蜜蜂）分群;

Hive是一个数据仓库基础工具，它是建立在Hadoop之上的数据仓库，在某种程度上可以把它看做用户编程接口（API），本身也并不存储和处理数据，依赖于HDFS存储数据，依赖MR处理数据。它提供了一系列对数据进行提取、转换、加载的工具。依赖于HDFS存储数据，依赖MR处理数据。 1 Q：Hive是什么? A： Hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供类SQL查询功能。本质是将HQL转换为MapReduce程序。 2 Q：Hive的设计目标是什么? A： 1、Hive的设计目标是使Hadoop上的数据操作与传统SQL相结合，让熟悉SQL编程开发人员能够轻松向Hadoop平台迁移 2、Hive提供类似SQL的查询语言HQL，HQL在底层被转换为相应的MapReduce操作 3、Hive在HDFS上构建数据仓库来存储结构化的数据，这些数据一般来源与HDFS上的原始数据，使用Hive可以对这些数据执行查询、分析等操作。 3 Q：Hive的数据模型是怎样的？ A： Hive数据库 内部表 外部表 分区 桶 Hive的视图 Hive在创建内部表时，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，外部表只会删除元数据，不删除数据。这样来说，外部表要比内部表安全，数据组织液更加灵活，方便共享源数据。 4 Q：Hive都有哪些调用方式？ A ： 1、Hive Shell 2、Thrift 3、JDBC 4、ODBC 5 Q：Hive的运行机制是什么？ A： 1、将sql转换成抽象语法树 2、将抽象语法树转化成查询块 3、将查询块转换成逻辑查询计划(操作符树) 4、将逻辑计划转换成物理计划(MRjobs) 福利 扫描添加我 微信 ，备注“ 姓名+公司职位 ”，加入【 云计算学习交流群 】，和志同道合的朋友们共同打卡学习！

1、hive蜂巢，读音：美/ha_v/；英/ha_v/。2、释义：n.蜂巢，蜂箱；蜂群；（喻）充满繁忙人群的场所。v.使（蜜蜂）进入蜂箱；存贮，积累；群居，生活在蜂房中。3、例句：Ahiveiswherethebeeslive.蜂巢是蜜蜂生活的地方

hive是基于Hadoop的一个数据仓库工具，用来进行数据提取、转化、加载，这是一种可以存储、查询和分析存储在Hadoop中的大规模数据的机制。hive数据仓库工具能将结构化的数据文件映射为一张数据库表，并提供SQL查询功能，能将SQL语句转变成MapReduce任务来执行。Hive的优点是学习成本低，可以通过类似SQL语句实现快速MapReduce统计，使MapReduce变得更加简单，而不必开发专门的MapReduce应用程序。hive十分适合对数据仓库进行统计分析。简介hive是基于Hadoop构建的一套数据仓库分析系统，它提供了丰富的SQL查询方式来分析存储在Hadoop分布式文件系统中的数据：可以将结构化的数据文件映射为一张数据库表，并提供完整的SQL查询功能；可以将SQL语句转换为MapReduce任务运行，通过自己的SQL查询分析需要的内容。这套SQL简称Hive SQL，使不熟悉mapreduce的用户可以很方便地利用SQL语言查询、汇总和分析数据。而mapreduce开发人员可以把自己写的mapper和reducer作为插件来支持hive做更复杂的数据分析。它与关系型数据库的SQL略有不同，但支持了绝大多数的语句如DDL、DML以及常见的聚合函数、连接查询、条件查询。它还提供了一系列的工具进行数据提取转化加载，用来存储、查询和分析存储在Hadoop中的大规模数据集，并支持UDF（User-Defined Function）、UDAF(User-Defined AggregateFunction)和UDTF（User-Defined Table-Generating Function），也可以实现对map和reduce函数的定制，为数据操作提供了良好的伸缩性和可扩展性。

hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供简单的sql查询功能，可以将sql语句转换为MapReduce任务进行运行。 其优点是学习成本低，可以通过类SQL语句快速实现简单的MapReduce统计，不必开发专门的MapReduce应用，十分适合数据仓库的统计分析。

Hive是一个基于Hadoop的数据仓库工具，用于处理大型分布式数据集，允许用户使用类似于SQL的语言来管理和查询数据。1.概述Hive是一个数据仓库工具，可以将数据存储在Hadoop文件系统中，并使用SQL风格的查询语言对这些数据进行操作。它可以轻松地处理结构化、半结构化和非结构化数据。Hive使用类似于SQL的语言来查询数据，这使得对于熟悉SQL的开发人员而言非常容易上手。2.架构Hive的架构有三层：用户界面、驱动程序和执行引擎。用户界面负责接受HiveQL语句，驱动程序将这些语句转换为MapReduce任务，并将执行结果返回给用户界面。执行引擎是MapReduce框架，它执行对数据的实际查询。在Hive的架构中，还包括Metastore和Hive Server。Metastore维护着关于表、分区和表的元数据信息（如字段名称、类型、分区信息等），而Hive Server则负责进程间通信。3.数据类型Hive支持大多数SQL标准数据类型，例如字符串、整型、浮点型等。此外，Hive还有一些自定义的数据类型如ARRAY、MAP和STRUCT。4.HiveQLHive的查询语言被称为HiveQL，它是类似于SQL的查询语言，支持大多数SQL标准的查询语句。HiveQL还支持自定义函数和用户定义聚合函数，这有助于进行高级数据处理。5.Hive与Hadoop生态系统Hive紧密集成了Hadoop的生态系统，可以轻松地将其与其他工具集成使用。例如，Hive可以通过Sqoop来将关系数据库中的数据导入到Hadoop中，也可以通过HBase来查询实时数据。

我们公司yarn node节点的可用资源配置为：单台node节点可用资源数：核数33cores、内存110G。Hive on Spark任务的基础配置，主要配置对象包括：Executor和Driver内存，Executor配额，任务并行度。 配置参数为spark.executor.memory和spark.executor.cores。如果要最大化使用core，建议将core设置为4、5、6，且满足core的个数尽量可以整除yarn资源核数。yarn资源可用33核，建议spark.executor.cores设置为4，最多剩下一个core，如果设置为5，6都会有3个core剩余。 spark.executor.cores=4，由于总共有33个核，那么最大可以申请的executor数是8。总内存处以8，也即是 110/8，可以得到每个executor约13.75GB内存。 建议 spark.executor.memoryOverhead（spark的executor堆外内存）站总内存的 15%-20%。 那么最终 spark.executor.memoryOverhead=2.75 G 和spark.executor.memory=11 G 注意：默认情况下 spark.executor.memoryOverhead = max(executorMemory * 0.10, 384M)，正常情况下不需要手动设置spark堆外内存，如果spark任务出现如下报错，可以手动提高堆外内存大小。 注意：默认情况下 spark.executor.memoryOverhead = max(executorMemory * 0.10, 384M)，正常情况下不需要手动设置spark堆外内存，如果spark任务出现如下报错，可以手动提高堆外内存大小。 Container killed by YARN for exceeding memory limits. 16.9 GB of 16 GB physical memory used. Consider boosting spark.yarn.executor.memoryOverhead. 对于drvier的内存配置，主要有两个参数： Driver的内存通常来说不设置，或者设置1G左右应该就够了。需要注意的是，如果需要使用collect算子将RDD的数据全部拉取到Driver端进行处理，那么必须确保Driver的内存足够大，否则会出现OOM内存溢出的问题。 配置参数为spark.executor.instances。该参数用于设置Spark作业总共要用多少个Executor进程来执行。 executor的数目是由每个节点运行的executor数目和集群的节点数共同决定。我们离线集群27个节点，那么离线spark任务使用的最大executor数就是 216(27*8). 最大数目可能比这个小点，因为driver也会消耗核数和内存。 该参数可以结合spark.executor.cores设置，默认单个spark任务最大不超过60cores，spark.executor.cores设置为4，则spark.executor.instances不超过15。 设置spark任务的并行度参数为spark.default.parallelism。spark任务每个stage的task个数=max(spark.default.parallelism, HDFS的block数量)。如果不设置该参数，Spark自己根据底层HDFS的block数量来设置task的数量，默认是一个HDFS block对应一个task。spark默认spark.default.parallelism配置较少，如果task个数比较少的话，前面spark资源配置没有意义。官网建议：该参数设置为 num-executors * executor-cores的2~3倍较为合适。 当一个运行时间比较长的spark任务，如果分配给他多个Executor，可是却没有task分配给它，而此时有其他的yarn任务资源紧张，这就造成了很大的资源浪费和资源不合理的调度。动态资源调度就是为了解决这种场景，根据当前应用任务的负载情况，实时的增减Executor个数，从而实现动态分配资源，使整个Spark系统更加健康。 开启spark动态资源分配后，application会在task因没有足够资源被挂起的时候去动态申请资源。当任务挂起或等待spark.dynamicAllocation.schedulerBacklogTimeout(默认1s)的时间后，会开始动态资源分配；之后每隔spark.dynamicAllocation.sustainedSchedulerBacklogTimeout(默认1s)时间申请一次，直到申请到足够的资源。每次申请的资源量是指数增长的，即1,2,4,8等。 当application的executor空闲时间超过spark.dynamicAllocation.executorIdleTimeout（默认60s）后，就会被回收。 使用场景：同一个SQL语句需要同时更新多个分区，类似于如下SQL语句：

Hadoop是一个由Apache基金会所开发的分布式系统基础架构。Hadoop也是apache开源大数据的一个生态圈总称,里面包含跟大数据开源框架的一些软件,包含hdfs,hive,zookeeper,hbase等等;Hadoop的框架最核心的设计就是：HDFS和MapReduce。HDFS为海量的数据提供了存储，则MapReduce为海量的数据提供了计算。Hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供简单的sql查询功能，可以将sql语句转换为MapReduce任务进行运行。 其优点是学习成本低，可以通过类SQL语句快速实现简单的MapReduce统计，不必开发专门的MapReduce应用，十分适合数据仓库的统计分析。Spark 是一种与 Hadoop 相似的开源集群计算环境，但是两者之间还存在一些不同之处，这些有用的不同之处使 Spark 在某些工作负载方面表现得更加优越，换句话说，Spark 启用了内存分布数据集，除了能够提供交互式查询外，它还可以优化迭代工作负载。尽管创建 Spark 是为了支持分布式数据集上的迭代作业，但是实际上它是对 Hadoop 的补充，可以在 Hadoop 文件系统中并行运行。通过名为 Mesos 的第三方集群框架可以支持此行为。hadoop(hive)<-spark(扩展)

数码(二进制)

A modern retelling of an aboriginal origin myth by a First Nations Canadian from Northern Ontario, this tale combines elements of archetypal human vanity and self-deception with moral questions relating to personal challenges and honesty. The story revolves around a basic conflict between Nanabush, the Trickster of First Nations mythology, and the evil Juggler, a conjuror who is also known as Restless As The Wind - a conflict that will appeal to senior students because of the many bizarre elements and the intriguing consequences of this epic battle. "The Shivering Tree" itself refers to the Poplar Tree, a tree that never rests, which is a reincarnation of The Juggler. A perfect piece for students to revisit the form and style of a myth as a basis for the origin of short stories themselves! 一个安大略省北部加拿大原住民的起源神话的现代复述，这个故事结合了典型的人的虚荣心和自我的有关个人诚信道德问题的挑战和欺骗成分。故事围绕着一个叫Nanabush里基本冲突，原住民神秘魔术师和一个也被称为风不宁的邪恶魔术师之间的冲突。 “发抖的树“本身指的是杨树，这棵树从来没有休息，就像魔术师的轮回。

D 既然是冷得发抖,只能选D了,因为湿所以冷. 不明白的再问哟,望及时采纳,多谢!

A modern retelling of an aboriginal origin myth by a First Nations Canadian from Northern Ontario,this tale combines elements of archetypal human vanity and self-deception with moral questions relating to personal challenges and honesty.The story revolves around a basic conflict between Nanabush,the Trickster of First Nations mythology,and the evil Juggler,a conjuror who is also known as Restless As The Wind - a conflict that will appeal to senior students because of the many bizarre elements and the intriguing consequences of this epic battle."The Shivering Tree" itself refers to the Poplar Tree,a tree that never rests,which is a reincarnation of The Juggler.A perfect piece for students to revisit the form and style of a myth as a basis for the origin of short stories themselves! 一个安大略省北部加拿大原住民的起源神话的现代复述,这个故事结合了典型的人的虚荣心和自我的有关个人诚信道德问题的挑战和欺骗成分.故事围绕着一个叫Nanabush里基本冲突,原住民神秘魔术师和一个也被称为风不宁的邪恶魔术师之间的冲突.“发抖的树“本身指的是杨树,这棵树从来没有休息,就像魔术师的轮回.

John who was covered with mud and was shivering sat hunched over a bowl of hot broth which had been preparared by(只能是by了吧?) his father to drive off the chill.

cover 是有覆盖的意思。但是 covering 和 covered 的实际意思还是有区别的。这么说吧，你会cover泥浆呢还是你会被cover泥浆呢？ 这里主要强调的是被cover，所以用covered 。

可以，但意思稍有区别：ItwassocoldthatIwasshivering.表示说话前发生的事情：天气好冷啊，我刚才浑身在打寒颤，（有可能现在已经暖和了、不冷了，）ItissocoldthatIisshivering.表示现在正在发生的事情，天气好冷啊，我浑身在打寒颤，

可以采用联想记忆法。shivering是发抖、颤抖的意思，想更好地记住这个单词可联系shower记忆。shower是淋浴的意思，洗冷水澡时身体会颤抖，通过联想记忆法就能记住单词了。

shivering英 美 ["u0283u026avu0259ru026au014b] n. 颤抖；小片adj. 颤抖的v. 颤抖（shiver的ing形式）双语例句1.56kbI have sought it, next, because it relieves loneliness --- that terrible loneliness in which one shivering consciousness looks over the rim of the world into cold unfathomable lifeless abyss.我寻找爱，其次是因为它会减轻孤独，置身于那种可怕的孤独中，颤抖的灵魂在世界的边缘，看到冰冷的、死寂的、无底深渊。2.56kbI have sought it, next, because it relieves loneliness —that terrible loneliness in which one shivering consciousness looks over the rim of the world into the cold unfathomable lifeless abyss.我寻找爱，还因为它解除孤独，在可怕的孤独中，一颗颤抖的灵魂从世界的边缘看到冰冷、无底、死寂的深渊。

adj.颤抖的;v.（因寒冷，害怕等） 颤抖，哆嗦( shiver的现在分词 );[网络]碎花; 寒战,颤抖; 振栗;[例句]95. If not for you, I must be shivering in the despair and fear, groaning painfully.95.如果不是你，我现在肯定只能在绝望和恐惧中颤抖，发出痛苦的呻吟。

歌曲名:Conflict歌手:Archive专辑:With Us Until You"re DeadConflictDisturbedThe Sickness Conflict--The Sickness You are enemyYou are my hated enemyI am enemyNumber one-rated enemyI"m labeled enemyI am your mortal enemyMy actions enemyMake me your bitter enemy.All the world around enemy,They"re tearin" up the ground enemy,They"re drawn in by the sound, enemy, enemyI must eliminate my enemy.Your people enemyMy people"s hated enemy,What are you enemyThough a created enemy.Terminate the enemyEradicate the hated enemyI am an enemyMy very greatest enemy.All the world around enemyThey"re tearing up the ground enemyThey"re drawn in by the soundEnemy, enemy I must eliminate my EnemyYou try to tell me that you love lifeThen find another way to kill lifeWanting, Love LifeNeeding, Kill LifeWanting, Love LifeNeeding, Kill YourEnemy (repeats)You try to tell me that you love life,Then find another way to kill life.http://music.baidu.com/song/23154179

首先说一下，会以下的情况有以上的结果 hive表分区，数据正好在hive分区目录里面，然后执行下面语句 下面列举4种操作hdfs文件和hive表映射的情况。 执行select count（ ）和select * 文件权限 rwx select count( ) 结果非0 select * 正常显示数据 执行select count（ ）和select * 文件权限 rw select count( ) 结果为0 select * 正常显示数据 执行select count（ ）和select * 文件权限 rwx select count( ) 结果非0 select * 正常显示数据 执行select count（ ）和select * 文件权限 rw select count( ) 结果非0 select * 正常显示数据 基于上面的四种情况，在创建分区表的时候，有的人会直接把数据放到对应的分区文件夹下面，然后alter add partition这种加载数据的方式执行select count（*）返回0,没有执行mr任务，是直接读取表级统计信息里面的数据的，不执行mr。 下面是对hive.compute.query.using.stats的解释 为新创建的表和表分区（例如使用INSERT OVERWRITE语句创建的表）启用表级统计信息的自动收集。该参数不生成列级别的统计信息，例如由CBO生成的统计信息。如果禁用，管理员必须使用ANALYZE table语句为新生成的表和表分区手动生成表级统计信息。 可是为什么在默认值为true的情况下，使用load加载的却任然执行了mr，这一部分应该需要看源码的，目前我还没有找到这一段源码，但是我对比了两个边的统计信息，使用以下的语句查看表的统计信息 发现使用alter加载数据和使用load加载数据有区别 下面是使用load加载的截图 下面是使用alter加载的截图 得到以上的结论，我们在深入的探究一下，如果我们加载了新的数据放到dept1中，dept1里面的统计信息是否会更新。 在我重新的将数据放到dept1的另外一个partition里面的之后，在查询count（*），却发现重新走mr进行计算了， 然后desc extended dept1，发现没有了COLUME_STATS_ACCURATE的数据 原来一张表在建立之初就是默认使用 首先,有数据但count(*)返回0，这个是因为hive.compute.query.using.stats=true导致的，但是并不是hive.compute.query.using.stats=true，所有的表都会count（*）=0,首先是要分为表是否是partition ，当表是分区表，在会自动的有COLUME_STATS_ACCURATE的数据（这里的无论hive.compute.query.using.stats是否是true都会有），然后load数据到具体的分区，COLUME_STATS_ACCURATE的就会消失，但是使用alter加载数据到分区，COLUME_STATS_ACCURATE的数据是不会消失的。 当表不是普通的不分区表，是没有COLUME_STATS_ACCURATE的数据的，这个时候无论使用load或者是alter加载数据，执行count(*)都会走mr的。这也就是为什么dept4同样是使用alter的方式，但是执行count(*)的时候取走mr的原因。但是当执行analyze table 命令之后，也会生成统计信息，在执行count(*)不会走mr的。 hive.compute.query.using.stats之前的版本的默认值是fasle，然后现在是ture，具体从哪个版本我不太清楚。如果设置为true，Hive在执行某些查询时，例如select count(1)，只利用元数据存储中保存的状态信息返回结果。 为了收集基本状态信息，需要将hive.stats.autogather属性配置为true。为了收集更多的状态信息，需要运行analyze table查询命令，例如下面的语句收集sales_order_fact表的统计信息。

可以直接翻译为客户端，已经被永久禁用。

shake颤抖,震动,可用于任何运动,常常有粗鲁或不规则的含义quiver颤动,表示类似琴弦振动的轻微的,迅速的振动,常用于事物.tremble多指出于胆怯,愤怒的发抖.

show create table 表名; 如果是这个表有分区的话，可以看到显示的内容里有partition，partition里面跟的就是分区列名。

安装软件的时候，什么都不要干，例如不能听歌等

你可以像下面这样使用lateral view和str_to_map函数来解决这个问题：SELECT uid, split(kv_pairs[0], "-")[0] AS col1, split(kv_pairs[0], "-")[1] AS col2FROM (SELECT "A001" AS uid, split(trim(replace(replace(k, """, ""), ",", ":")), ":") AS kv_pairs FROM table_name ) t LATERAL VIEW explode( str_to_map(concat("{", concat_ws(",", kv_pairs), "}")) ) exploded_kv AS k, v WHERE exploded_kv.key = ""4066-FP00096"";该查询的输出应为：uid col1 col2---- ---- --------A001 4066 FP00096最终结果中有3个字段：uid、4066和FP00096，其中uid表示唯一标识符，4066是k字段中冒号前面的部分，FP00096是冒号后面的部分。还要注意一点，上面查询中要先将字符串中的双引号替换为空格，然后再使用trim函数去除空格，这是因为在使用str_to_map函数时，它不能处理空格和双引号字符串。

你可以用新立得看看啊能不能装

挂了没事。

歌曲名:Shiver Me Timbers (Live)歌手:BETTE MIDLER专辑:Divine MadnessI"m leavin" my fam"lyLeavin" all my friendsMy body"s at homeBut my heart"s in the windWhere the clouds are like headlinesOn a new front page skyMy tears are salt waterAnd the moon"s full and highAnd I know Martin Eden"sGonna be proud of meAnd many before meWho"ve been called by the seaTo be up in the crow"s nestSingin" my sayShiver me Timbers"Cause I"m a-sailin" awayAnd the fog"s liftin"And the sand"s shiftin"I"m driftin" on outOl" Captain AhabHe ain"t got nothin" on me, now.So swallow me, don"t follow meI"m trav"lin" aloneBlue water"s my daughter"n I"m gonna skip like a stoneSo please call my missusGotta tell her not to cry"Cause my goodbye is writtenBy the moon in the skyHey and nobody knows meI can"t fathom my stayin"Shiver me timbers"Cause I"m a-sailin" awayAnd the fog"s liftin"And the sand"s shiftin"I"m driftin" on outOl" Captain AhabHe ain"t got nothin" on meSo come and swallow me, follow meI"m trav"lin" aloneBlue water"s my daughter"n I"m gonna skip like a stoneAnd I"m leavin" my familyLeavin" all my friendsMy body"s at homeBut my heart"s in the windWhere the clouds are like headlinesUpon a new front page skyAnd shiver me timbers"Cause I"m a-sailin" awayhttp://music.baidu.com/song/893992

工作中我们遇到了把Hive数据同步到Clickhouse的业务需求，一开始我们写Spark任务，用SparkSQL读Hive，再用JDBC写入到Clickhouse。 后来，随着要同步的表越来越多，每次都写Spark任务，成本就显得有些高了。于是，写了一个通用的Spark任务，指定Hive表、字段，指定Clickhouse表、字段，每次指定不同的参数。 再后来，业务越来越复杂，不仅是简单的同步，而是要支持更复杂的SQL，结果进行数据类型转换、值转化等，然后再插入Clickhouse。 这不是ETL要干的事儿吗？！ 当然，继续增强之前的Spark，完全可以实现这个功能。但是说到ETL，不是有专业强大的Logstash吗，为什么要重复造轮子？ 经过一番调研，还真有人写了Logstash插件，用来导出数据到Clickhouse： logstash-output-clickhouse 输出端搞定了，输入端怎么搞呢？很建达，用JDBC插件就可以了。 如上，配置jdbc连接信息即可。 需要说明的是，相关的jar包比较多，需要给全了，否则会有各种ClassNotFoundException。完整的jar列表为： 这些jar最好与hive环境版本一致，我们用的是CDH版，所以都是从CDH目录下找到的jar。 Clickhouse插件使用说明参考： https://github.com/mikechris/logstash-output-clickhouse 主要说下安装过程。 说明文档里说的 bin/logstash-plugin install logstash-output-clickhouse 方式，没有安装成功，所以只能自己编译安装。 先clone源码，然后进入源码根路径： 编译： 此时，若没有安装ruby环境，按照提示安装一下，再编译。 编译成功后，会多出一个文件 安装： logstash的安装就不多说了，按照logstash官方文档安装就可以了。 此时，如果logstash版本是5.x，可能会遇到一个错误： 按照提示，修改gemfile： 修改logstash-mixin-http_client的版本： 原来是>6且<7，改成>5且<6。 然后，再次编译、安装，就可以了。 按照文档中的使用说明，配置Clickhouse连接信息即可： 这部分工作可以放在filter里处理，各种filter插件就不说了，参考logstash官方文档吧。

先在HDFS创建目录 在CK创建表 创建CK表成功 写入成功， 到HDFS上查看一下 看到数据啦 创建HIVE表关联刚刚的文件 执行查询语句 数据出来啦！！

在开发过程中，需要从HDFS中导入数据到clickhouse中，探索了几种方式，以及一些坑与大家分享； 选择合适的分隔符；大部分情况下，会选择逗号或者hive的默认分隔符01 ,可以参考文件 详解hive的列分隔符和行分隔符的使用 情况一：由于存储中可能含有分割符，导致分割列的时候，会多出几列的情况；比如说本来是5列的情况，但是却分割出来6列的情况，就是因为数据中含有分隔符的情况，所有如果出现该情况，需要对于可能出现情况的列进行特殊处理 特别注意 列中的换行符以及tab符号,需要处理掉，否则也会出现一些问题； 情况二 ：clickhouse中不能出现null需要对所有可能的列，进行如下处理 u200b 情况三：因为hive导出之后，原来的bigint，会出现10.0的情况，在有些情况下，需要进行截断 u200b 情况四： hive中的列的属性，和clickhouse中列的属性不一致会出现问题；对于clickhouse多列的情况下，一定要细致，一个个列的属性进行校验 u200b Float-->bigInt出现错误 u200b int8--->Uint8之间转换错误； csv导入clickhouse的方式，常见的有两种方式；通过clickhouse的jdbc执行sql和使用clickhouse的clickhouse-client客户端的方式，数据量大的情况下，切记不要用第一种方式，一定要切记；切记 方式一： 写一个Python脚本，pandas，以及整合了csv的写入的实现，数据量不大的时候，小于500百万，列在50列左右的时候，可以使用 方式二： 常见错误：

可以的ClickHouse是一个用于联机分析(OLAP)的列式数据库管理系统(DBMS)。由号称“俄罗斯 Google”的Yandex开发而来，在2016年开源，在计算引擎里算是一个后起之秀，在内存数据库领域号称是最快的。由于它有几倍于GreenPlum等引擎的性能优势，所以不少人都选择将其安装云服务器中使用。ClickHouse是一个列导向数据库，是原生的向量化执行引擎。它在大数据领域没有走Hadoop生态，而是采用Local attached storage作为存储，这样整个IO可能就没有Hadoop那一套的局限。它的系统在生产环境中可以应用到比较大的规模，因为它的线性扩展能力和可靠性保障能够原生支持shard+replication这种解决方案。它还提供了一些SQL直接接口，有比较丰富的原生client。以下是ClickHouse作为分析型数据库的特点：一. 速度快ClickHouse性能超过了市面上大部分的列式存储数据库，相比传统的数据ClickHouse要快100-1000倍，ClickHouse还是有非常大的优势。100Million 数据集:ClickHouse比Vertica约快5倍，比Hive快279倍，比MySQL快801倍。1Billion 数据集:ClickHouse比Vertica约快5倍，MySQL和Hive已经无法完成任务了。二. 功能多ClickHouse支持数据统计分析各种场景：1.支持类SQL查询；2.支持繁多库函数（例如IP转化，URL分析等，预估计算/HyperLoglog等）；3.支持数组(Array)和嵌套数据结构(Nested Data Structure)；4.支持数据库异地复制部署。三. 文艺范不理睬Hadoop生态，走自己的路。目前任何具有x86_64，AArch64或PowerPC64LE CPU架构的Linux，FreeBSD或Mac OS X上运行。而ClickHouse的缺点：1.不支持Transaction：想快就别想Transaction；2.聚合结果必须小于一台机器的内存大小：不是大问题；3.缺少完整的Update/Delete操作；4.支持有限操作系统。

hive distribute by 和group by 的区别：group by是对检索结果的保留行进行单纯分组，一般总爱和聚合函数一块用例如AVG（），COUNT（），max（），main（）等一块用。 distribute by是控制在map端如何拆分数据给reduce端的。hive会根据distribute by后面列，对应reduce的个数进行分发，默认是采用hash算法。sort by为每个reduce产生一个排序文件。在有些情况下，你需要控制某个特定行应该到哪个reducer，这通常是为了进行后续的聚集操作。distribute by刚好可以做这件事。因此，distribute by经常和sort by配合使用。注：Distribute by和sort by的使用场景1.Map输出的文件大小不均。2.Reduce输出文件大小不均。3.小文件过多。4.文件超大。抛砖引玉，不足之处还望大神指正~

因为他的继父用刀把他妈妈的头砍下来了

你好，高兴帮助你。请采纳，谢谢！！ At these words I shiver.意思是：看到/听到这些话语，我打哆嗦。shiver 动词，颤栗，发抖，打哆嗦。at these words , 因为前面没有更多说明，所以可以是 看到或听到words

一般动词直接加ed

tremble和quiver很类似，几乎没有什么区别。都有因为心理作用而发抖或客观描述发抖状态。唯一不同的就是quiver很少作为口语出现shiver是打碎，碎裂之意，它很少代表发抖的意思

shiver 的原因是 cold(冷) 或者 frightened(惊吓)shudder 的原因是 fear horror disgust cold（害怕，恐惧，恶心，冷）不过这两个动作的表象是一样的参考柯林斯字典

　　《Shiver》: tatoe owaru kotononai kanashimi ga anata ubattemo harete youku kokoronado kokoniwanai toitte kageo otta senakani toikakeru ashitaga donna katachidemo yureruga nakattamonowo shinjiru korowo wasure takunakattaka mewosorasukusemo aimainakaitoumo waraeneusomo tonalini irakereba imasae irashendeyuku tatoe owaru kotononai kanashimi ga anata ubattemo wasurenaide sayonaga usoto omoetahibiwo tatoe owaru kotononai kanashimi ga anata ubattemo harete youku kokoronado kokoniwanai toitte　　《bird》:hanamo kimo bokuramo kanashii sorani mukattenobirushikanai utumukutabini bokurawakituku soshite matami ageru memuru anata wa kanashisoude warui yumedemo miteruyouda bokuwacocodayo tonarini iruyo docoe mo mou ikanai How do I live without you? hitowamina sorawomiru miagetewa mewofuseru itukamita aosorawo sagasezuni nagekukedo jiyuusato wagamamawo surikaeteikitekita hoshimonai yorunosora yukuatemo mienaimede samayou nanimo cowai mononado nakatta sorewa mamorumonoga naidake ashitanocotomo juunensakimo imanobokuwacowai yo I need hunting my sweet heart hito wa mina sorani naku tewohirogeyumewomiru itukamitaaosorawo itumademomamorukedo jiyouunihabadaki tobimawarukageni bokuwamou akokaretarishinai daremojiyuujanai jiyuutte soujanai soraniwa michiganaidake anatatoiu sorano naka boku dakewotojicomete moudocoemo ikanaiyo mou doconimoikanaide hitowa mina soranonaka iyuutoiukagononaka anatadake irebaii conosorani mou tubasa wa iranai

歌曲：《Shiver》演唱：The GazettE选自：《黑执事Ⅱ》歌词制造：雪莉就算无穷无尽的悲伤将你夺走请告诉我 即便那样你的心也不会随之远去在背负着影子的身后不断抛出问题的未来不论是何种形状不想忘了 要去相信不曾动摇的东西转移视线的习惯 以及暧昧的态度还有无法以笑面对的谎言如果你不在身边 连现在都要渗透进去就算无穷无尽的悲伤将你夺走告诉我即便那样你的心也不会随之远去找不到话语来填补这个过于遥远的距离我已经知道 在消逝的季节里 你已不再去追赶与其说是想起来不如说是无法忘记的每一天即便缺少的比这些更多 我也能去接受请别对着无法倒退的时间流泪如果你对我说你的心不会忘却……对着开始渐渐失去的两人的未来你正在哭泣无法触碰这终于看见的真实面孔就算无穷无尽的悲伤将你夺走请别忘记 把告别当成谎言的每一天独自一人看见的天空还有两人交错而过时看见的梦就像那一天什么都没改变在你心中 现在还有未来罗马：tatoe owaru koto no nai kanashimi ga anata ubatte mo hanarete yuku kokoro nado koko ni wa nai to itte kage o otta senaka ni toikakeru ashita ga donna katachi demo yuruga nakatta mono o shinjiru koto o wasuretaku nakatta kara me o sorasu kuse mo aimaina taido mo waraenu uso mo tonari ni inakereba ima sae nijin de yuku tatoe owaru koto no nai kanashimi ga anata ubatte mo hanarete yuku kokoro nado koko ni wa nai to itte tou sugi ta kono kyori o umeru kotoba ga mitsukaranai sugisaru kisetsu no naka de oitsuke naku naru koto mo shitteta yo omoidasu yori mo wasurerarenai hibi to ieta kara mou kore ijou ga nakute mo uketomereru douka modoru koto no nai toki ni namida o nagasanai de wasurete yuku kokoro nado koko ni wa nai to itte kureru nara... ushinai dashita futari no asu ni anata ga naiteru yatto mireta sugao ni wa mou furerarenai tatoe owaru koto no nai kanashimi ga anata ubatte mo wasurenai de sayonara ga uso to omoeta hibi o hitorikiri de mita sora mo surechigau naka de mita yume mo ano hi no mama nani mo kawarazu anata no naka de ima mo zutto

shake,tremble,shiver,quiver,vibrate,shudder 这些动词均含“震动,颤抖”之意. shake〓最普通用词,含义广.指人或物不自主地颤动、摇摆,常侧重剧烈和无规律. tremble〓指由于寒冷、虚弱、愤怒或恐惧等而发抖、战栗. shiver〓指因寒冷或情绪突变而出现的短时间的轻微和快速的颤抖. quiver〓多用于指事物.指物体像乐器的弦一般地轻微而急速地颤动. vibrate〓指急速地连续震动,也指钟摆等的来回摆动. shudder〓着重指由于恐惧、震惊等而引起的全身突然而强烈地战栗.

　　音乐的力量常常是我们想象不到的，不同的音乐能够给人带来不同的触动，有的音乐还能够影响到人的情绪，让人感到或欢乐、或悲伤或恐惧等等，《shiver》就是这样一首音乐。虽然这首歌并没有什么歌词，但是全程哀怨就充满恐惧感的哼唱声，还是让人听得直起鸡皮疙瘩。如果大家仔细听的话，会在音乐一开始前几秒的地方，隐隐约约听到一个小女孩的尖叫声，然后是个女人问她发生了什么的声音。很多人都好奇《shiver》尖叫背后的故事是怎样的?那个失声尖叫的小女孩后来怎么样了?在她身上又发生了些什么呢? 　　《shiver》是一首让人听完之后会觉得心情低沉，甚至会觉得恐怖的音乐，这首歌非常不适合夜深人静的时候一个人听，因为这样的音乐会让我们联想到很多恐怖的画面。 　　在这段音乐一开头大概七秒钟的地方，能够隐隐约约听到背景音中有个小女孩非常凄厉的惨叫声，然后是一个女人用英语询问她发生了什么，再然后就没有声音了。大家都很好奇小女孩究竟遭遇了什么，竟然会让她害怕成那样。 　　据悉，《shiver》这首歌背后的故事是真实发生的一个案件，主要讲了国外一个小女孩的继父喝醉了酒家暴母亲，小女孩很害怕报警求助。就在她打通了报警电话的那一刻，父亲用刀砍下了母亲的头，头正好滚落到了小女孩的脚边，小女孩吓得失声尖叫，那声whatu2019s the matter是电话里的女警察问她的。 　　后来听说小女孩的继父被警方抓获了，警方对外宣称小女孩已经获救，但是也有消息称小女孩被警察发现的时候，已经死在了浴缸里，浑身上下都是血，不知道是不是真的。《shiver》这首歌就是根据这个真实案件创作出来的。

shake,tremble,shiver,quiver,vibrate,shudder这些动词均含“震动，颤抖”之意。shake:最普通用词，含义广。指人或物不自主地颤动、摇摆，常侧重剧烈和无规律。tremble:指由于寒冷、虚弱、愤怒或恐惧等而发抖、战栗。shiver:指因寒冷或情绪突变而出现的短时间的轻微和快速的颤抖。quiver:多用于指事物。指物体像乐器的弦一般地轻微而急速地颤动。vibrate:指急速地连续震动，也指钟摆等的来回摆动。shudder:着重指由于恐惧、震惊等而引起的全身突然而强烈地战栗falter:指说话的声音颤抖

歌曲名:Shiver歌手:山下智久专辑:エロ「Shiver」作词∶micca作曲∶大桥好规歌∶山下智久I wanna break down like a diesel truckI wanna kick start cause my love is stuckI wanna get hot so hot I wanna screamGet down down down down down down down tonightI got a fever…Tonight…Yeah…We should be aloneI wanna take you closer to pleasure babyWe should be aloneI wanna take you my darling and shiver your heartI got a fever…Your heart…We should go down to the beach arcadeI wanna take a picture cause we"re gonna fadeCan"t promise you forever, but we got todayGet down down down down down down down tonightI got a fever…We should be aloneI wanna take you closer to pleasure babyWe should be aloneI wanna take you my darling and shiver your heartI got a fever…Your heart…I gotta tingling and feel it in my bonesThis is communication baby when you moanI"m like a tattoo on your body cause you"re mineI wanna watch you shiver, shiver come alive!We should be aloneI wanna take you closer to pleasure babyWe should be aloneI wanna take you my darling and shiver your heartYour heart…収録∶エロ／発売日∶2012/07/25终わりhttp://music.baidu.com/song/18095837

音乐的力量常常是我们想象不到的，不同的音乐能够给人带来不同的触动，有的音乐还能够影响到人的情绪，让人感到或欢乐、或悲伤或恐惧等等，《shiver》就是这样一首音乐。虽然这首歌并没有什么歌词，但是全程哀怨就充满恐惧感的哼唱声，还是让人听得直起鸡皮疙瘩。如果大家仔细听的话，会在音乐一开始前几秒的地方，隐隐约约听到一个小女孩的尖叫声，然后是个女人问她发生了什么的声音。很多人都好奇《shiver》尖叫背后的故事是怎样的?那个失声尖叫的小女孩后来怎么样了?在她身上又发生了些什么呢?　　《shiver》是一首让人听完之后会觉得心情低沉，甚至会觉得恐怖的音乐，这首歌非常不适合夜深人静的时候一个人听，因为这样的音乐会让我们联想到很多恐怖的画面。　　在这段音乐一开头大概七秒钟的地方，能够隐隐约约听到背景音中有个小女孩非常凄厉的惨叫声，然后是一个女人用英语询问她发生了什么，再然后就没有声音了。大家都很好奇小女孩究竟遭遇了什么，竟然会让她害怕成那样。　　据悉，《shiver》这首歌背后的故事是真实发生的一个案件，主要讲了国外一个小女孩的继父喝醉了酒家暴母亲，小女孩很害怕报警求助。就在她打通了报警电话的那一刻，父亲用刀砍下了母亲的头，头正好滚落到了小女孩的脚边，小女孩吓得失声尖叫，那声what"s the matter是电话里的女警察问她的。　　后来听说小女孩的继父被警方抓获了，警方对外宣称小女孩已经获救，但是也有消息称小女孩被警察发现的时候，已经死在了浴缸里，浑身上下都是血，不知道是不是真的。《shiver》这首歌就是根据这个真实案件创作出来的。

shake,tremble,shiver,quiver,vibrate,shudder 这些动词均含“震动,颤抖”之意. shake〓最普通用词,含义广.指人或物不自主地颤动、摇摆,常侧重剧烈和无规律. tremble〓指由于寒冷、虚弱、愤怒或恐惧等而发抖、战栗. shiver〓指因寒冷或情绪突变而出现的短时间的轻微和快速的颤抖. quiver〓多用于指事物.指物体像乐器的弦一般地轻微而急速地颤动. vibrate〓指急速地连续震动,也指钟摆等的来回摆动. shudder〓着重指由于恐惧、震惊等而引起的全身突然而强烈地战栗.

silver 英[u02c8su026alvu0259(r)] 美[u02c8su026alvu0259r] shiver 英[u02c8u0283u026avu0259(r)] 美[u02c8u0283u026avu0259r] soluble 英[u02c8su0252lju0259bl] 美[u02c8sɑu02d0lju0259bl]

一般 "trembling in fear" （害怕）, and "shivering in the cold"（冷）

直接在词后面加ed

shiver颤抖，不及物动词。没有被动，所以用ing形式。armed with装备……arm武装…… ，（及物动词）所以用过去分词

分都没谁帮你弄这种东西。。。。

shivering 令人颤栗的，令人发指的

Natalie Imbruglia - Shiver 专辑:Counting Down the Days Shiver Natalie Imbruglia I walk a mile with a smile And I don"t know I don"t care where I am But I know it"s alright Jump the tracks , Can"t get back I don"t know anyone around here But I"m safe this time Cos when you Tell me, Tell me, Tell me Stupid things, like you do Yes, I Have to, have to, have to Change the rules I can"t lose Cause I shiver I just break up When I"m near you It all gets out of hand Yes I shiver I get bent up There"s no way that I know you"ll understand We talk and talk "round it all Who"d have thought We"d end up here But I"m feeling fine In a rush Never trust You"ll be there If I"d only stop and take my time Cos with you I"m running, running, running Somewhere I can"t get to Yes I have to have to have to Change the rules I"m with you What if you get off at the next stop Would you just wave us I"m drifting off And if I never saw you again Could I keep all of this inside

dggf

楼上回答的是对的，就是那首歌。请楼主及时上线处理即将过期的问题，以方便你在百度知道平台继续提问

たとえ终わる事のない悲しみが贵方夺っても 【即使夺走你因永恒之事而产生的悲哀离れてゆく心などここには无いと言って 【离别的心已然无处存在影を负った背中に问いかける明日がどんな形でも 【就算向输给影的脊背询问明天会怎样揺るがなかったものを信じる事を忘れたくなかったから 【不动摇的是 不会忘记坚信的事目を反らす癖も 暧昧な态度も 笑えぬ嘘も 【反抗心理也好 暧昧的态度也好 笑着欺骗也好隣に居なければ今さえ 渗んでゆく 【如果你没有在身边的话 现在已经堕落了たとえ终わる事のない悲しみが贵方夺っても 【即使夺走你因永恒之事而产生的悲哀离れてゆく心などここには无いと言って 【离别的心已然无处存在远过ぎたこの距离を埋める言叶が见つからない 【太遥远的距离已经无法找到买下的语言过ぎ去る季节の中で追い付けなくなる事も知ってたよ 【也知道过去的季节里那些追不到的往事思い出すよりも忘れられない日々と言えたから 【因为总是说遗忘的日子比回忆更好もうこれ以上がなくても 受け止めれる 【就算再也没有 我也能接受どうか戻る事のない时间に涙を流さないで 【请在无法后悔的时间里停止流泪忘れてゆく心などここには无いと言ってくれるなら… 【如果能够说出已经遗忘心已不再牵挂的话 失い出した二人の明日に贵方が泣いてる 【你将在已然失去的属于两个人的明天哭泣やっと见れた素颜にはもう 触れられない 【终于见到的脸却再也不能碰触たとえ终わる事のない悲しみが贵方夺っても 【即使夺走你因永恒之事而产生的悲哀忘れないで さよならが嘘と思えた日々を 【不要忘记 违心的说着再见的那天一人きりで见た空もすれ违う中で见た梦も 【只有一个人看到的天空 不同的梦あの日のまま何も変わらず 贵方の中で今もずっと… 【和那天一样 什么都没有改变 你现在依然……平胸病娇系啊…………歌词这东西，达意就不优美，优美很难达意。以上。

shiver ["u0283ivu0259] 基本释义n. 颤抖，战栗；碎片vi. 颤抖；哆嗦；打碎vt. 颤抖；打碎例句The wind was dropping, but its soughing made men shiver . 风小了，可是利飕有劲，使人颤抖。Bees infected with Israeli acute paralysis virus shiver , their bodies become frozen and they die . 感染了以色列急性麻痹病毒的蜜蜂不停颤抖，然后身体变冷死去。THERE is a looker -on who sits behind my eyes . It seems he has seen things in ages and worlds beyond memory"s shore, and those forgotten sights glisten on the grass and shiver on the leaves . 我的双眸背后，有一个旁观者，他仿佛见过远古时代的事物，熟悉混沌初开时的世间生活，而这些被人遗忘的情景在草茎上闪烁，在树叶上颤动。tramble例句tramble, standing And they tremble. Standing on them is like trying to balance on a flowing matrisfloating mattress. 他们是抖动的，站在上面好像站在一块漂浮的棕垫上一般需要保持平衡vibrate [vai"breit] 基本释义vi. 振动；颤动；摇摆；踌躇vt. 使振动；使颤动[过去式vibrated 过去分词vibrated 现在分词vibrating ]例句Body and surface waves cause the ground , and consequently a building , to vibrate in a complex manner . 体波和表面波造成地面的震动，因此在地震中一座建筑物是被一种复杂的方式所震动。It roils the chemical innards of things , exciting their molecules to vibrate and crash into each other . 它激活物质的内部化学构造，使它们的分子震动，然后碰撞在一起。Polarization : All light travels in the form of waves, and these waves vibrate in all directions along its path . Polarions of the waves to one plane only. 偏光化：光是以波动形式前进，并沿着前进路线向四方八面振动。偏光化的效果是把光波的振动限制于单一个平面上。

Tremble implies quick, rather slight movement, as from excitement, weakness, or anger: Tremble 意指迅速、相当轻微的运动，由于激动、虚弱或生气引起： I could feel the youngster"s hand tremble in mine. 我能感到那个年轻人的手在我的手中颤抖。 The apple blossoms trembled in the wind. 苹果花在风中摇曳。 Shiver involves rapid, rather slight trembling, as of a person experiencing chill: Shiver 意指受寒后快速、相当轻微的颤抖： “as I in hoary winter night stood shivering in the snow” (Robert Southwell). “我站在古老的冬日雪夜中颤抖” （罗伯特·索恩韦尔）。