Hive概述

1. 数据仓库介绍

• 专业定义

  • 英文名称为Data Warehouse，可简写为DW。

  • 是为企业所有级别的决策制定过程，提供所有类型数据支持的战略集合。

  • 它是单个数据存储，出于分析性报告和决策支持目的而创建。

  • 为需要业务智能的企业，提供指导业务流程改进、监视时间、成本、质量以及控制。

• 通俗解释

  • 面向分析的存储系统(面向数据分析的存储系统）

  • 一个面向主题的（Subject Oriented）、集成的（Integrate）、不可修改的（Non-Volatile）、反映历史变化（Time Variant）的数据集合，用于数据分析、辅助管理决策。

    • 面向主题：指数据仓库中的数据是按照一定的主题域进行组织。

    • 集成：指对原有分散的数据库数据经过系统加工, 整理得到的消除源数据中的不一致性。

    • 不可修改：指一旦某个数据进入数据仓库以后只需要定期的加载、刷新，不会更改。

    • 反映历史变化：指通过这些信息，对企业的发展历程和未来趋势做出定量分析预测。

• 数据仓库和数据库对比分析

  • 主要联系

    • 两者均是用来存储数据的，即均为数据的存储载体。

    • 数据仓库也是数据库，是数据库的一种衍生、延深应用。

    • 数库仓库和数据库之间存在数据交互，即你中有我、我中有你。

      • 数据库中的在线数据推送到离线的数据仓库用于分析处理

      • 数据仓库中分析处理的结果数据也通常推送到关系数据库中，便于前台应用的可视化展现应用。

    • 数据仓库的出现，并不是要取代数据库，且当下大部分数据仓库还是用关系数据库管理系统来管理的，即数据库、数据仓库相辅相成、各有千秋。

  • 主要区别    

    • 数据库是面向事务的设计，数据仓库是面向主题设计的。

    • 数据库一般存储在线交易数据，实时性强存储空间有限，数据仓库存储的一般是历史数据，实时性弱但存储空间庞大。

    • 数据库设计是尽量避免冗余，数据仓库在设计是有意引入冗余。

    • 数据库是为捕获数据而设计，即实时性强吞吐量弱，数据仓库是为分析数据而设计，即吞吐量强实时性弱。