嘿，这俩问题本质上是同一个场景的不同表述，我来给你捋清楚两种可行的解决办法，适配不同的情况：

方法一：创建Hive表时直接指定仅读取最新版本 #

如果是还没创建Hive映射表，那最高效的方式是在创建表的时候就配置属性，让Hive直接从HBase拉取每个rowkey的最新版本数据，不用后续过滤。

你只需要在CREATE EXTERNAL TABLE的TBLPROPERTIES里添加"hbase.client.read.current.version"="true"这个配置就行。举个实际的创建语句例子：

CREATE EXTERNAL TABLE hbase_hive_mapping (
    rowkey STRING,
    user_name STRING,
    login_count INT
)
STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
WITH SERDEPROPERTIES (
    "hbase.columns.mapping" = ":key,info:user_name,stats:login_count"
)
TBLPROPERTIES (
    "hbase.table.name" = "user_login_stats", -- 对应你的HBase表名
    "hbase.client.read.current.version" = "true" -- 关键配置：只读最新版本
);

这样之后，你直接查询这个Hive表，返回的就只会是每个rowkey的最新版本数据，不管HBase后台存了多少个版本（比如你提到的3个版本）。这个方法的优势是在HBase扫描阶段就过滤掉旧版本，减少数据传输量，性能更好。

方法二：针对已存在的Hive表，通过查询过滤取最新版本 #

如果你的Hive映射表已经创建好了，不想修改表结构或属性，那可以通过Hive的窗口函数来实现。不过这里需要先确保你的Hive表能获取到HBase记录的时间戳——如果之前没映射的话，得先修改表的列映射：

ALTER TABLE hbase_hive_mapping SET SERDEPROPERTIES (
    "hbase.columns.mapping" = ":key,info:user_name,stats:login_count,:timestamp"
);

修改完成后，表就会多一个timestamp字段，对应HBase每条记录的版本时间戳。接下来用ROW_NUMBER()窗口函数，按rowkey分组，按时间戳倒序排序，取每组的第一条（也就是最新版本）：

SELECT rowkey, user_name, login_count
FROM (
    SELECT 
        rowkey, 
        user_name, 
        login_count, 
        timestamp,
        -- 按rowkey分组，时间戳降序，给每条记录编号
        ROW_NUMBER() OVER (PARTITION BY rowkey ORDER BY timestamp DESC) AS version_rank
    FROM hbase_hive_mapping
) ranked_versions
WHERE version_rank = 1;

这个方法能精准过滤出每个rowkey的最新版本，哪怕HBase有3个甚至更多版本都适用。唯一要注意的是，这种方式会先把所有版本的数据拉到Hive侧再过滤，数据量大的时候性能会比第一种方法差一点。

内容的提问来源于stack exchange，提问作者Djeah