Hdfs和hive的简单介绍

hdfs的介绍

• hdfs的概述：

HDFS （ Hadoop Distributed File System ）是 Apache Hadoop 项目的一个子项目 . Hadoop 非常适于存储大型

数据 ( 比如 TB 和 PB), 其就是使用 HDFS 作为存储系统 . HDFS 使用多台计算机存储文件 , 并且提供统一的访问接口 ,

像是访问一个普通文件系统一样使用分布式文件系统 .

• hdfs的特点

1.  HDFS文件系统可存储超大文件，时效性稍差。
2.  HDFS具有硬件故障检测和自动快速恢复功能。
3.  HDFS为数据存储提供很强的扩展能力。
4.  HDFS存储一般为一次写入，多次读取，只支持追加写入，不支持随机修改。
5.  HDFS可在普通廉价的机器上运行。

• hdfs架构

1.   HDFS 采用 Master/Slave 架构
2.   一个 HDFS 集群有两个重要的角色，分别是 Namenode 和 Datanode 。
3.  HDFS 的四个基本组件 : HDFS Client 、 NameNode 、 DataNode 和 Secondary NameNode 。

• 

• hafs的副本架构

1.   HDFS被设计成能够在一个大集群中跨机器可靠地存储超大文件。它将每个文件存储成一系列的数据块，这个数据块 被称为block，除了最后一个，所有的数据块都是同样大小的。
2. hdfs 默认文件 :https://hadoop.apache.org/docs/r3.3.4/hadoop-project-dist/hadoop-hdfs/hdfs-default.xml
3.  为了容错，文件的所有block都会有副本。每个文件的数据块大小和副本系数都是可配置的。
     hadoop 当中, 文件的 block 块大小默认是 128M（134217728字节）。

hive介绍

• hive的概述

1. hive是基于Hadoop构建的一套数据仓库分析系统，它提供了丰富的SQL查询方式来分析存储在Hadoop分布式文件系统中的数据：可以将结构化的数据文件映射为一张数据库表，并提供完整的SQL查询功能；可以将SQL语句转换为MapReduce任务运行，通过自己的SQL查询分析需要的内容，这套SQL简称Hive SQL，使不熟悉mapreduce的用户可以很方便地利用SQL语言查询、汇总和分析数据。而mapreduce开发人员可以把自己写的mapper和reducer作为插件来支持hive做更复杂的数据分析。它与关系型数据库的SQL略有不同，但支持了绝大多数的语句如DDL、DML以及常见的聚合函数、连接查询、条件查询。它还提供了一系列的工具进行数据提取转化加载，用来存储、查询和分析存储在Hadoop中的大规模数据集，并支持UDF（User-Defined Function）、UDAF(User-Defined AggregateFunction)和UDTF（User-Defined Table-Generating Function），也可以实现对map和reduce函数的定制，为数据操作提供了良好的伸缩性和可扩展性。 [2]

2. hive不适合用于联机(online)事务处理，也不提供实时查询功能。它最适合应用在基于大量不可变数据的批处理作业。hive的特点包括：可伸缩（在Hadoop的集群上动态添加设备）、可扩展、容错、输入格式的松散耦合。

• 体系结构

  Hive架构中主要包括客户端（Client）、Hive Server、元数据存储（MetaStore）、驱动器（Driver）。

  

• Hive的数据存储模型

  Hive主要包括三类数据模型：表（Table）、分区（Partition）和桶（Bucket）。

        Hive中的表类似于关系数据库中的表。表可以进行过滤、投影、连接和联合等操作。表的数据一般存储在HDFS的目录中，Hive的表实质上对应Hadoop文件系统上的一个目录。Hive将表的元数据存储在关系型数据库中，实现了元数据与数据的分离存储。

        Hive根据分区列（Partition Column）的值将表以分区的形式进行划分，例如具有“日期”分区列的表可以根据日期划分为多个分区。表中的一个分区对应表所在目录下的一个子目录。