Apache Hive实战基础

本节目标

• 了解Hive的作用和优势
• 了解Hive的基本架构
• 了解Hive的数据类型
• 了解Hive的数据库和表操作
• 理解Hive的数据分区
• 理解Hive的数据分桶

4.1 数据仓库

4.1.1 为什么要有数据仓库

在引入数据仓库之前，我们先来聊聊为什么回产生数据仓库？

 

数据的作用有两个：操作型记录的保存和分析型决策的制定

• 操作型记录的保存意味着企业通常不必维护历史数据，只需要修改数据以反映最新的状态；
• 分析型决策意味着企业需要保存历史的数据，从而可以更精准的来评估现有状况进行决策；

基于后者分析型决策的优化，需要高性能地完成用户的查询，因此引出了数据仓库的概念。

4.1.2 数据仓库概念

数据仓库是一个面向主题、集成的、非易失的、随时间变化的、用来支持管理人员决策的数据集合，数据仓库中包含了粒度化的企业数据。

数据仓库的主要特征是： 主题性 、 集成性 、 非易失性 、 时变性 。

数据仓库处理数据的流程：分析需求，确认数据源，ETL处理，汇总/整合，数据建模，分析展现

 

4.1.3 数据仓库的体系结构