发布时间：2022-08-19 12:33
spark on hive :
hive只作为存储角色，spark 负责sql解析优化，底层运行的还是sparkRDD
具体可以理解为spark通过sparkSQL使用hive语句操作hive表，底层运行的还是sparkRDD，
步骤如下：
1.通过sparkSQL，加载Hive的配置文件，获取Hive的元数据信息
2.获取到Hive的元数据信息之后可以拿到Hive表的数据
3.通过sparkSQL来操作Hive表中的数据
hive on spark:
hive既作为存储又负责sql的解析优化，spark负责执行
这里Hive的执行引擎变成了spark，不再是MR。
这个实现较为麻烦，必须重新编译spark并导入相关jar包
目前大部分使用spark on hive
兼容PyTorch，25倍性能加速，OneFlow“超速”了
[ROC-RK3568-PC] 手把手教你打包能使用Etcher或dd命令烧写的Ubuntu系统固件
Nginx反向代理WebSocket服务连接报错：WebSocket connection to “wss://xxx/xxx“ failed
特征提取方法：One-hot、TF-IDF、Word2vec
判断深度学习模型的稳定性_人工智能干货｜一线工程师带你学习深度学习模型量化理论+实践...
论文解读（KP-GNN）《How Powerful are K-hop Message Passing Graph Neural Networks》