Apache Hive是基于Hadoop的数据仓库工具，用于管理和查询大规模数据集。它提供了一个类似SQL的查询语言（Hive QL）并支持ETL操作。Hive适用于批量处理只追加数据的场景，其组件包括HCatalog和WebHCat。HCatalog是存储管理层，WebHCat则提供HTTP接口执行Hive元数据操作。安装Hive时，需要确保Hadoop环境已配置，并在HDFS创建必要的目录。完成安装后，可通过命令行启动Hive CLI开始使用。
Hive简介
Apache Hive是一种数据仓库，对查询和管理分布式存储中的超大数据集提供了很大帮助。Hive是基于Hadoop的，提供了以下功能：
- 容易数据提取/转化/加载（ETL）的工具
- 利用各种各样数据格式的结构的机制
- 访问直接存储在HDFS或者其它存储系统（如HBase）上的文件
- 通过MapReduce执行查询
Hive定义了简单的类似SQL的查询语言，被称为QL，该语言使熟悉SQL的使用者可以查询数据。同时，该语言允许熟悉MapReduce的程序员能够插入他们定制的Mapper和Reducer执行更加复杂的分析，这样的分析或许不被QL语言内置的功能所支持。QL还可以通过定制的标量函数（UDF’s），聚集（UDAF’s）和表函数（UDTF’s）进行扩展。
Hive不是被设计用于联机事务处理（OLTP），也不提供实时查询或者行级更新
订阅专栏 解锁全文
扫一扫
1984
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
