标签:MapReduce hive HQL Hive SQL 数据 基本概念
文章目录
由FaceBook开源用于解决海量结构化日志的数据统计
基于hadoop的一个数据仓库工具,可以将结构化数据文件映射为一张表,并提供类SQL查询功能
本质:将HQL转化为MapReduce程序
- hive处理的数据存储在HDFS上
- Hive分析数据底层实现的是MapReduce
- 执行程序运行在YARN上
Hive的优缺点
优点
- 操作接口采用类SQL语法,提供快速开发的能力(简单,容易上手)
- 避免去写MapReduce,减少开发人员的学习成本
- Hive的执行延迟比较高,因此hive常用数据分析,对实时性要求不高的场合
- Hive优势在处理大数据,对于处理小数据没有优势,因为hive的执行延迟比较高
- Hive支持用户自定义函数,用户可以根据自己的需求来实现自己的函数
缺点
1.Hive的HQL表达能力有限
(1)迭代式算法无法表达
(2)数据挖掘方面不擅长,由于MapReduce数据处理流程的限制,效率更高的算法却无法实现。
2.Hive的效率比较低
(1)Hive自动生成的MapReduce作业,通常情况下不够智能化
(2)Hive调优比较困难,粒度较粗
标签:MapReduce,hive,HQL,Hive,SQL,数据,基本概念 来源: https://blog.51cto.com/u_13985831/2836889
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。