Parquet 是 Hadoop 生态圈中主流的列式存储格式，最早是由 Twitter 和 Cloudera 合作开发，2015 年 5 月从 Apache 孵化器里毕业成为 Apache 顶级项目。

GooseFS 是腾讯云对象存储团队近期面向下一代云原生数据湖场景推出的存储加速利器，提供与 HDFS 对标的 Hadoop Compatible FileSystem 接口实现，可为云上的大数据计算任务提供：...

原生的对象存储接口协议并不兼容HDFS文件语义，因此对象存储COS提供了COSN工具这一的标准的 Hadoop 文件系统实现，可以为 Hadoop、Spark 以及 Tez 等大数据计算框架集成 COS 提供支持。...

2021年8月6日1.升级增强1.CDH6升级CDH6客户可以直接从CDH 6.1.x, 6.2.x和6.3.x集群原地升级到CDP Private Cloud Base，而不需要搭建一个新的集群。2.回滚操作文档支持从CDH6升级到CDP7.1.7的回滚操作；支持从HDP3升级到C...

HDFS不适合大量小文件的存储，因namenode将文件系统的元数据存放在内存中，因此存储的文件数目受限于 namenode的内存大小。HDFS中每个文件、目录、数据块占用150Bytes。如果存放的文件数目过多的话会占用很大的内存甚至...

本篇文章主要介绍如何在CDH 5.16.2集群中获取所有Hive表的分区数、小文件数量、表大小。

查看与配置集群、存储数据和编写查询相关的某些性能调优指南，以便您可以保护集群和相关服务、自动扩展资源以处理查询等。

作为管理员，您需要了解运行 Hive 查询的 Hive 默认授权是不安全的，以及您需要做什么来保护您的数据。您需要了解您的安全选项：设置 Ranger 或基于存储的授权 (SBA)，它基于模拟和 HDFS 访问控制列表 (ACL)，或这些方法的组合...

升级到 CDP 并迁移旧表后，您可能希望暂时切换到 Hive 旧行为。旧行为可能会解决数据迁移期间脚本的兼容性问题，例如，在运行 ETL 时。

作为管理员，要管理工作负载，您将了解什么是资源计划以及如何创建资源计划以改进并行查询执行。当集群共享查询时，并行处理查询很重要。