Hive 版本升级记录(0.13.0 -> 2.3.3)

最新推荐文章于 2024-10-14 16:20:38 发布
最新推荐文章于 2024-10-14 16:20:38 发布
阅读量1.1k 收藏 1
点赞数 1
分类专栏： hive
原文链接：https://www.jianshu.com/p/3e32071044e5
版权

 

 

背景:

我们这边有线上线下两套hive, 版本：0.13.0，由于版本较低，近期准备升级新的hive版本。

首先选择升级线下hive集群:

线下 hive 集群覆盖较广,牵扯大概10台左右客户端， 覆盖公司所有的技术部门业务数据。 每天通过客户端或者azkaban上传作业 1w 左右的任务量.
meta store 包含分区大概700w左右的量。业务量重，而且 sql 变化较多， 有较多的自定义 udf 与 自定义 serde 文件在其中。

如果一次性做全量升级容易出现较多问题， 影响较多部门，一旦出现意外情况回滚较为复杂。
而且一次性全量升级需要同时处理客户端与meta的升级，中间有较长的hive离线时间，造成作业失败。

所以最终的实践措施是：
首先只升级 metastore server , 然后分部门升级每个部分的hive客户端， hive thrift server。

image.png

准备:

准备升级之前，需要客户端进入灰度模式：

关闭元数据VERISON校验相关功能:

<property>
  <name>hive.metastore.schema.verification</name>
  <value>false</value>
  <description>
    Enforce metastore schema version consistency.
    True: Verify that version information stored in is compatible with one from Hive jars.  Also disable automatic
          schema migration attempt. Users are required to manually migrate schema after Hive upgrade which ensures
          proper metastore schema migration. (Default)
    False: Warn if the version information stored in metastore doesn't match with one from in Hive jars.
  </description>
</property>

配置禁止JDO框架来自动更新元数据schema:

<property>
  <name>datanucleus.autoCreateSchema</name>
  <value>false</value>
</property>

<property>
  <name>datanucleus.fixedDatastore</name>
  <value>true</value>
</property>

hive meta store 升级：

当 hive 客户端不再 check meta 版本信息时候， 我们再对 hive meta store 进行升级。

接下来分析 ： hive meta store 的升级脚本:

经调研sql升级过程发现，hive新版本库主要做出的改变有：

  1. 创建新表。
  2. 增加原表的新字段。
  3. 扩展原列的长度，如表名。列名等。
  4. 新建存储过程

我们可以看下它的升级脚本

# add acid
# 创建各种事物表
source hive-txn-schema-0.13.0.mysql.sql

# 0.13.0 -> 0.14.0
# create table PART_COL_STATS
# create index PCS_STATS_IDX on PART_COL_STATS
# set version 0.14.0
source upgrade-0.13.0-to-0.14.0.mysql.sql

# 0.14.0 -> 1.1.0
# create table NOTIFICATION_LOG
# create table NOTIFICATION_SEQUENCE
# set version 1.1.0
source upgrade-0.14.0-to-1.1.0.mysql.sql
 
# 1.1.0 -> 1.2.0
# set version 1.2.0
source upgrade-1.1.0-to-1.2.0.mysql.sql 
# 1.2.0 -> 2.0.0
# create procedure RM_TLBS_LINKID
# create procedure RM_PARTITIONS_LINKID
# create procedure RM_LINKID
# ALTER TABLE `COLUMNS_V2` MODIFY `COLUMN_NAME` varchar(767) CHARACTER SET latin1 COLLATE latin1_bin NOT NULL;
# ===> `COLUMN_NAME` varchar(128) CHARACTER SET latin1 COLLATE latin1_bin NOT NULL
# ALTER TABLE `PART_COL_PRIVS` MODIFY `COLUMN_NAME` varchar(767) CHARACTER SET latin1 COLLATE latin1_bin DEFAULT NULL;
# ===>`COLUMN_NAME` varchar(128) CHARACTER SET latin1 COLLATE latin1_bin DEFAULT NULL
# ALTER TABLE `TBL_COL_PRIVS` MODIFY `COLUMN_NAME` varchar(767) CHARACTER SET latin1 COLLATE latin1_bin DEFAULT NULL;
# ====>`COLUMN_NAME` varchar(128) CHARACTER SET latin1 COLLATE latin1_bin DEFAULT NULL
# ALTER TABLE `SORT_COLS` MODIFY `COLUMN_NAME` varchar(767) CHARACTER SET latin1 COLLATE latin1_bin DEFAULT NULL;
# ===> `COLUMN_NAME` varchar(128) CHARACTER SET latin1 COLLATE latin1_bin DEFAULT NULL
# ALTER TABLE `TAB_COL_STATS` MODIFY `COLUMN_NAME` varchar(767) CHARACTER SET latin1 COLLATE latin1_bin NOT NULL;
# ===> `COLUMN_NAME` varchar(128) CHARACTER SET latin1 COLLATE latin1_bin NOT NULL
# ALTER TABLE `PART_COL_STATS` MODIFY `COLUMN_NAME` varchar(767) CHARACTER SET latin1 COLLATE latin1_bin NOT NULL;
# ===> `COLUMN_NAME` varchar(128) CHARACTER SET latin1 COLLATE latin1_bin NOT NULL

# 添加字段 : ALTER TABLE `COMPACTION_QUEUE` ADD `CQ_HIGHEST_TXN_ID` bigint;
# 添加字段 : ALTER TABLE `COMPACTION_QUEUE` ADD `CQ_META_INFO` varbinary(2048);
# 添加字段 : ALTER TABLE `COMPACTION_QUEUE` ADD `CQ_HADOOP_JOB_ID` varchar(32);
# 添加字段 : ALTER TABLE `TXNS` ADD `TXN_AGENT_INFO` varchar(128);
# 添加字段 : ALTER TABLE `TXNS` ADD `TXN_HEARTBEAT_COUNT` int;
# 添加字段 : ALTER TABLE `HIVE_LOCKS` ADD `HL_HEARTBEAT_COUNT` int;
# 添加字段 : ALTER TABLE `TXNS` ADD `TXN_META_INFO` varchar(128);
# 添加字段 : ALTER TABLE `HIVE_LOCKS` ADD `HL_AGENT_INFO` varchar(128);
# 添加字段 : ALTER TABLE `HIVE_LOCKS` ADD `HL_BLOCKEDBY_EXT_ID` bigint;
# 添加字段 : ALTER TABLE `HIVE_LOCKS` ADD `HL_BLOCKEDBY_INT_ID` bigint;
# create table COMPLETED_COMPACTIONS
# create table AUX_TABLE
# set version 2.0.0
source upgrade-1.2.0-to-2.0.0.mysql.sql

# 2.0.0 -> 2.1.0
# create table KEY_CONSTRAINTS
# create table WRITE_SET
# create table
# 添加字段 : TXN_COMPONENTS
# 添加字段 : ALTER TABLE COMPACTION_QUEUE ADD CQ_TBLPROPERTIES varchar(2048);
# 添加字段 : ALTER TABLE COMPLETED_COMPACTIONS ADD CC_TBLPROPERTIES varchar(2048);
# set version : 2.1.0
source upgrade-2.0.0-to-2.1.0.mysql.sql
 

# 2.1.0 -> 2.2.0
# 添加字段 : ALTER TABLE `TBLS` ADD `IS_REWRITE_ENABLED` bit(1);
# 设置字段 : UPDATE `TBLS` SET `IS_REWRITE_ENABLED` = false;
# 修改字段 : ALTER TABLE `TBLS` MODIFY COLUMN `IS_REWRITE_ENABLED` bit(1) NOT NULL;
# 添加字段 : ALTER TABLE `NOTIFICATION_LOG` ADD `MESSAGE_FORMAT` varchar(16);
# 修改字段 : ALTER TABLE `NOTIFICATION_LOG` MODIFY `MESSAGE` longtext; (1.1.0)
# ===> `MESSAGE` mediumtext
# 修改字段 : ALTER TABLE COLUMNS_V2 MODIFY TYPE_NAME MEDIUMTEXT;
# ==> `TYPE_NAME` varchar(4000) DEFAULT NULL
# 修改字段 : ALTER TABLE TABLE_PARAMS MODIFY PARAM_VALUE MEDIUMTEXT;
# ==> `PARAM_VALUE` varchar(4000) CHARACTER SET latin1 COLLATE latin1_bin DEFAULT NULL,
# 修改字段 : ALTER TABLE SERDE_PARAMS MODIFY PARAM_VALUE MEDIUMTEXT;
# ==> `PARAM_VALUE` varchar(4000) CHARACTER SET latin1 COLLATE latin1_bin DEFAULT NULL
# 修改字段 : ALTER TABLE SD_PARAMS MODIFY PARAM_VALUE MEDIUMTEXT;
# ==> `PARAM_VALUE` varchar(4000) CHARACTER SET latin1 COLLATE latin1_bin DEFAULT NULL
# 修改字段 : ALTER TABLE TBLS MODIFY TBL_NAME varchar(256) CHARACTER SET latin1 COLLATE latin1_bin DEFAULT NULL;
# ==> `TBL_NAME` varchar(128) CHARACTER SET latin1 COLLATE latin1_bin DEFAULT NULL
# 修改字段 : ALTER TABLE NOTIFICATION_LOG MODIFY TBL_NAME varchar(256) CHARACTER SET latin1 COLLATE latin1_bin;
# ==> `TBL_NAME` varchar(128) CHARACTER SET latin1 COLLATE latin1_bin DEFAULT NULL
# 修改字段 : ALTER TABLE PARTITION_EVENTS MODIFY TBL_NAME varchar(256) CHARACTER SET latin1 COLLATE latin1_bin DEFAULT NULL;
# ==> `TBL_NAME` varchar(128) CHARACTER SET latin1 COLLATE latin1_bin DEFAULT NULL
# 修改字段 : ALTER TABLE TAB_COL_STATS MODIFY TABLE_NAME varchar(256) CHARACTER SET latin1 COLLATE latin1_bin NOT NULL;
# ==> `TBL_NAME` varchar(128) CHARACTER SET latin1 COLLATE latin1_bin DEFAULT NULL
# 修改字段 : ALTER TABLE PART_COL_STATS MODIFY TABLE_NAME varchar(256) CHARACTER SET latin1 COLLATE latin1_bin NOT NULL;
# ==> `TABLE_NAME` varchar(128) CHARACTER SET latin1 COLLATE latin1_bin NOT NULL
# 修改字段 : ALTER TABLE COMPLETED_TXN_COMPONENTS MODIFY CTC_TABLE varchar(256) CHARACTER SET latin1 COLLATE latin1_bin;
# ==> CTC_TABLE varchar(128)
# 修改字段 : ALTER TABLE COLUMNS_V2 MODIFY COLUMN_NAME varchar(767) CHARACTER SET latin1 COLLATE latin1_bin NOT NULL;
# ==> `COLUMN_NAME` varchar(128) CHARACTER SET latin1 COLLATE latin1_bin NOT NULL,
# 修改字段 : ALTER TABLE PART_COL_PRIVS MODIFY COLUMN_NAME varchar(767) CHARACTER SET latin1 COLLATE latin1_bin DEFAULT NULL;
# ==> `COLUMN_NAME` varchar(128) CHARACTER SET latin1 COLLATE latin1_bin DEFAULT NULL
# 修改字段 : ALTER TABLE TBL_COL_PRIVS MODIFY COLUMN_NAME varchar(767) CHARACTER SET latin1 COLLATE latin1_bin DEFAULT NULL;
# ==> `COLUMN_NAME` varchar(128) CHARACTER SET latin1 COLLATE latin1_bin DEFAULT NULL
# 修改字段 : ALTER TABLE SORT_COLS MODIFY COLUMN_NAME varchar(767) CHARACTER SET latin1 COLLATE latin1_bin DEFAULT NULL;
# ==> `COLUMN_NAME` varchar(128) CHARACTER SET latin1 COLLATE latin1_bin DEFAULT NULL
# 修改字段 : ALTER TABLE TAB_COL_STATS MODIFY COLUMN_NAME varchar(767) CHARACTER SET latin1 COLLATE latin1_bin NOT NULL;
# ==> `COLUMN_NAME` varchar(128) CHARACTER SET latin1 COLLATE latin1_bin DEFAULT NULL
# 修改字段 : ALTER TABLE PART_COL_STATS MODIFY COLUMN_NAME varchar(767) CHARACTER SET latin1 COLLATE latin1_bin NOT NULL;
# ==> `COLUMN_NAME` varchar(128) CHARACTER SET latin1 COLLATE latin1_bin DEFAULT NULL
# set version 2.2.0
source upgrade-2.1.0-to-2.2.0.mysql.sql

# 2.2.0 -> 2.3.0
# 添加索引 ： CREATE INDEX TC_TXNID_INDEX ON TXN_COMPONENTS (TC_TXNID);
# set version : 2.3.0
source upgrade-2.2.0-to-2.3.0.mysql.sql

我们需要注意在2.1.0 升级到 2.2.0的脚本策略中，在TBLS表中添加了一个非空列IS_REWRITE_ENABLED,并将旧版本表中的所有这个字段的值设置为 false.
但是对于旧版的客户端在创建表时候， 并没有填充这个字段，导致客户端写数据库时候造成元信息插入失败:非空依赖。

所以我们需要修改下这个升级脚本037-HIVE-14496.mysql.sql:

ALTER TABLE `TBLS` ADD `IS_REWRITE_ENABLED` bit(1) DEFAULT false;

这样就避免了老版本的非空依赖冲突可以对hive metastore升级了。

hive 客户端升级 :

当完成了 hive metastore 的升级之后就可以上 hive-2.3.3 客户端了。我们采用了分部门更新客户端环境，隔离升级的策略完成的升级。

升级过程主要发现的问题是:

  1. 新版hive对关键字的处理发生改变:

例如: select timestamp from table_name; 这种脚本需要对关键字做单独处理 <code>select `timestamp` from table_name;</code>

有关hive个版本保留关键字请参照 : LanguageManual DDL - Apache Hive - Apache Software Foundation

  1. hive 数据库连接池存在的问题:

我升级过程中原版hive使用的数据库连接池为BoneCP,使用升级之后发现这个连接池建立之后无法感知链接挂断事件，导致如果长时间没有操作重新查询会发生意外的连接断开异常。

调试之后我选择了 DBCP 连接池， 并且设置了测试存活sql.来避免链接被断开的问题。

<property>
  <name>datanucleus.connectionPoolingType</name>
  <value>DBCP</value>
  <description>Uses a BoneCP connection pool for JDBC metastore</description>
 </property>
<property>
  <name>datanucleus.connectionPool.testSQL</name>
  <value>select 1</value>
 </property>
<property>
  <name>datanucleus.connectionPool.maxPoolSize</name>
  <value>4</value>
 </property>
<property>
  <name>datanucleus.connectionPool.minIdle</name>
  <value>2</value>
 </property>
  1. Hive 目的数据存在.hive-staging_hive_date-time_ XXX文件:

设置中间数据存放位置:

<!-- tmp dir -->
 <property>
  <name>hive.exec.scratchdir</name>
  <value>/tmp/hive</value>
  <description>Scratch space for Hive jobs</description>
 </property>
<property>
  <name>hive.exec.local.scratchdir</name>
  <value>/tmp/${user.name}</value>
  <description>Local scratch space for Hive jobs</description>
 </property>
<property>
  <name>hive.exec.stagingdir</name>
  <value>/tmp/hive-staging/.hive-staging</value>
 </property>

至此， hive 升级完成。并顺利完成上线。

javastart
关注
专栏目录
Hive升级
weixin_42001459的博客
04-20 431
场景：将hive0.13 升级到hive1.2.2在下载的hive1.2.2的安装包中没有从0.13直接升级到1.2.2，而需要从0.13升级到0.14，之后再由0.14升到1.1，最终升到1.2在$HIVE_HOME/scripts/metastore/upgrade 下有对应的元数据存放的数据库，如，MySQL，PostgreSQL；原来的是MySQL类型，进入到MySQL目录下，这里有相关的...
apache-hive-2.3.3-bin.tar.gz
04-02
`apache-hive-2.3.3-bin.tar.gz` 是Apache Hive 2.3.3版本的源码或二进制发行版的压缩包，通常包含了运行和管理Hive所需的所有文件。 在这个版本中，我们可能会发现以下关键组件和功能： 1. **Hive Metastore**：...
Linux环境下Hive4.0.0(最新版本)部署
08-04 1639
hive4.0.0部署
Hive学习笔记（by尚硅谷）
最新发布
qq_42822177的博客
10-14 356
hive是由facebook开源，基于hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张表，并提供类SQL查询功能。hive是一个hadoop客户端，用于将hql（hive sql）转化成mapreduce程序。- hive中每张表的数据存储在hdfs- hive分析数据底层的实现是mapreduce（也可配置为spark或者tez）- 执行程序运行在yarn上1、创建数据库2、查询数据库注：like通配表达式，*表示任意个任意字符，|表示或的关系。3、查看数据库信息。
最新版本的Hive 0.13发布，增加ACID特性
wulantian的专栏
11-06 1011
最新版本的Hive 0.13发布，增加ACID特性 存储，学习，共享 发表于2014-04-23 08:16| 3735次阅读| 来源Cwiki| 2 条评论| 作者Alan Gates 大数据ACIDHiveHadoop 摘要：Hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供简单的SQL查询功能，可以将SQL语句转换为
hive从0.12.0升级到1.2.1步骤详解及填坑
zlhblogs的博客
04-25 184
5.拷贝 之前版本的mysql connector jar包到 现在hive的lib 目录，将之前版本配置好的hive-site.xml，hive-env.xml与hive-log4j.properties放回现在hive的conf下。查看PART_COL_STATS创建表sql，错误原因是hive-schema-0.13.0.mysql.sql中的PARTITIONS表创建不成功导致PART_COL_STATS缺少外键，手动创建PARTITIONS表即可。2.备份MySQL的hive数据库。
Hive 不同版本中更新操作 update/merge into
Allenzyg的博客
04-02 903
(2)要执行Update的表中, 需要指定格式,其余格式目前赞不支持, 如:parquet格式, 目前只支持ORCFileformat和AcidOutputFormat。对比在hive1.1.0 使用overwrite ，hive2.3.5使用merge into的方式 ，对不同量级的数据进行更新时的语法及效率。hive2.2.0及之后的版本支持使用merge into 语法，使用源表数据批量目标表的数据。(1)要执行Update的表中, 建表时必须带有buckets(分桶)属性。二、批量更新语法对比。
CDH 之 hive 升级至 hive-3.1.3 完美踩坑过程
予挚之的博客
06-08 3669
这是博主在升级过程中遇到的问题记录，大家不一定遇到过，如果不是 CDH 平台的话，单是 hive 服务升级应该是不会有这些问题的，且升级前博主也参考过几篇相关 CDH 升级 hive 服务的博文，前面的升级步骤基本一致，但是升级过程只有我遇到了这些问题吗？单拎出来这些报错，度娘多多少少还是可以找到一些类似的解决方案，不过经过博主测试，都不能解决出现的问题，因此才有了此篇博文，当然最后也完美解决了所有问题，不保证后面使用过程中是否会出现问题，因为还没有进一步测试，但是升级和使用，是没有问题的。！
hive-jdbc-3.1.2-standalone
07-18
hive-jdbc-3.1.2-standalone适用于linux
hive-jdbc-1.1.0-cdh5.12.1 连接库 jar包
08-01
1. `hive-jdbc-1.1.0-cdh5.12.1-standalone.jar`：这是一个独立的jar包，包含了所有必要的依赖，可以直接在没有其他CDH库的情况下运行。这意味着如果你的客户端环境中无法或不便解决所有依赖问题，你可以选择使用这...
apache-hive-2.3.3-bin.7z
11-28
在本案例中，我们讨论的是"apache-hive-2.3.3-bin.7z"，这是一个包含Apache Hive 2.3.3版本的压缩文件，采用7z格式，适合在桌面上解压后再进行上传。 **Hive的核心概念和功能：** 1. **数据仓库**：Hive作为大数据...
hive 2.3.3 的jdbc 和 squirrel-sql-3.8.1-standard.jar 包
06-21
在本场景中，我们关注的是Hive 2.3.3版本的JDBC驱动和Squirrel-SQL客户端的3.8.1-standard.jar包。 1. **Hive JDBC驱动**： Hive JDBC（Java Database Connectivity）驱动是连接Hive服务器与应用之间的桥梁，允许...
HIVE小贴士-版本升级全过程
03-31 1022
第一步:将原有的hive改名为hive_backup 第二步:将原有hive中的conf文件夹全部复制到新版本hive中 第三步：修改hive-conf.sh 文件 添加HADOOP_HOME  第四步：相关第三方的包要转移到新的hive版本lib目录下 第五步：首先要把之前的10000端口对应的线程kill掉，然后执行 $H
hive3在升级
窦永厚
09-06 739
VERSION需要更改一下版本号。DBS需要更新数据库对应的路径。
Hive版本升级问题及注意事项
yongjian_luo的专栏
12-19 1908
由于Hive在0.7和0.81版本中，concat_ws函数不支持Array，但是还需要用到concat_ws对Array的支持，so，今天对Hive的版本进行了一下升级，Hive0.9版本以上的是支持的，目前最新的版本是0.12，索性直接升级到Hive0.12版本了。遇到的问题如下： 1. 元数据的改变 Hive升级是向下兼容的，即升级到Hive0.12版本，对之前的Hive0.81版本的元
【Hive】升级元数据踩坑（mysql版本）
lsr40的博客
01-20 3287
hive的版本更新得蛮快的，但是一般我们定好一个版本之后，就不太会升级，但是有时候想要用到一些新版本的特性，我们就需要升级hive的版本 这就涉及到元数据迁移： 有两种做法： 1、写脚本 https://blog.csdn.net/maotai_2010/article/details/52185822 https://www.sohu.com/a/225997339_411876 ...
MySQL更新hive_记一次hive版本升级
weixin_32540969的博客
01-27 319
之前的项目中hive版本用的是apache-hive-1.2.2-bin，最近需要将hive版本升级到apache-hive-2.3.4-bin，本来想着元数据在mysql中，直接部署好hive启动就好了，结果提示元数据未初始化，查找一下资料，发现不同版本hive的元数据信息有所不同，而官方也给了升级方法，这里记录一下。首先，找到我们要升级的hive，找到apache-hive-2.3.4-b...
hive值乘以0.01保留一位小数_Hive 0.13到Hive 2.1跨版本升级全姿势与避坑指南
weixin_39802519的博客
12-22 302
原标题：Hive 0.13到Hive 2.1跨版本升级全姿势与避坑指南Hive是业界大数据平台使用最广泛的SQL引擎，提供了一层SQL抽象接口和一套元数据规范， 将SQL查询翻译为分布式的计算作业，支持MapReduce/Spark/Tez等多种计算引擎。同时Hive定义的元数据标准已经成为了一种事实标准，业界流行的大数据SQL引擎均对Hive元数据进行了兼容和支持。前一段时间我们团队对Hive进...
（最新版本）hive4.0.0 + hadoop3.3.4 集群安装（无坑版）-大数据学习系列（一）
weixin_45131680的博客
09-14 1554
云原生大数据组件研究（Hive+Hadoop） 前言 网上的找的文档大多残缺不靠谱，所以我整理了一份安装最新版本的hive4…0.0+hadoop3.3.4的学习环境，可以提供大家安装一个完整的hive+hadoop的环境供学习。 由于在公司担任大数据的培训工作后续还会更新一些基础的文章,希望能帮助到大家。 **一、**安装Hadoop3.3.4 前置：集群规划 机器信息Hostnamek8s-masterk8s-node1k8s-node2外网IP内网IPNameNodeYNNSecondaryNameN
log文件--》Flume--》HDFS--》Hive(ODS)-->DWD-->DWS-->ADS-->上层应用
06-19
Log文件通常在日志系统中生成，记录应用程序运行过程中的各种信息和事件。Flume是一个分布式、可靠的数据收集系统，用于收集这些日志文件，并将它们传输到其他数据存储系统。 当Flume接收到日志后，它会将这些数据发送到Hadoop Distributed File System (HDFS)，HDFS是一个高度可扩展的分布式文件系统，为大数据处理提供存储能力。 接下来，数据会进入Hive（联机数据仓库，ODS），Hive是一个数据仓库工具，用于对结构化的大量数据进行查询和分析，但它本身并不创建事实表（DWD），而是基于原始数据执行ETL（提取、转换、加载）操作。 DWD（Data Warehouse Dimension）和DWS（Data Warehouse Star Schema）是数据仓库设计中的两个概念。DWD是一组低维事实表，每个维度表对应一个事实表的一个属性；DWS则使用星型模式，包含中心的事实表以及围绕它的维度表，用于提高查询性能。 最后，数据经过处理后会被加载到ADS（分析数据服务），这是一个用于实时或近实时数据分析的平台，如实时流处理或交互式查询。 上层应用可以是商业智能系统、仪表板、报告工具或其他业务系统，它们通过访问这些数据仓库来获取关键的业务洞察和决策支持。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值