2017年DevOps的5大发展预测
jopen 8年前
<p style="text-align: center;"><strong><img alt="" src="https://simg.open-open.com/show/988125c04f1b57cf3a5f7ea76d4aa4b2.png" /></strong></p> <p> </p> <p>Hive是一个基于Hadoop的开源数据仓库，用于存储和处理海量结构化数据。它是非死book 2008年8月开源的一个数据仓库框架，提供了类似于SQL语法的HQL语句作为数据访问接口，Hive有如下优缺点：</p> <p>优点：</p> <ul> <li>Hive 使用类SQL 查询语法, 最大限度的实现了和SQL标准的兼容，大大降低了传统数据分析人员学习的曲线；</li> <li>使用JDBC 接口/ODBC接口，开发人员更易开发应用；</li> <li>以MR 作为计算引擎、HDFS 作为存储系统，为超大数据集设计的计算/ 扩展能力；</li> <li>统一的元数据管理（Derby、MySql等），并可与Pig 、Presto 等共享；</li> </ul> <p>缺点：</p> <ul> <li>Hive 的HQL 表达的能力有限，有些复杂运算用HQL 不易表达；</li> <li>由于Hive自动生成MapReduce 作业， HQL 调优困难；</li> <li>粒度较粗，可控性差</li> </ul> <p>Hive运行架构</p> <p style="text-align: center;"><a href="https://simg.open-open.com/show/ef4c85fc0e2ee7dd847b329ae738878e.jpg"><img alt="" src="https://simg.open-open.com/show/ef4c85fc0e2ee7dd847b329ae738878e.jpg" /></a></p> <h2>下载</h2> <ul> <li><a href="/misc/goto?guid=4958997659579311633" rel="nofollow"><strong>Source code</strong> (zip)</a></li> <li><a href="/misc/goto?guid=4958997659677940605" rel="nofollow"><strong>Source code</strong> (tar.gz)</a></li> </ul> <p>本站原创，转载时保留以下信息：<br /> 本文转自：深度开源（open-open.com）<br /> 原文地址：<a href="http://www.open-open.com/news/view/3bd7bad4">http://www.open-open.com/news/view/3bd7bad4</a></p>