Hive 和 Impala的比较

Hive 和 Impala的异同

Hive是一个建立在APACHE HADOOP之上的数据仓库软件项目，由Jeff在Facebook的团队开发，目前已经发布了2.3.0的稳定版本。它被用于总结大数据，使查询和分析变得容易。Apache Hive是SQL-in Hadoop的有效标准。Impala是一个运行在Apache Hadoop上的并行处理SQL查询引擎，用于处理存储在HBase (Hadoop数据库)和Hadoop分布式文件系统中的数据。Impala是一个用于并行处理(MPP) SQL查询引擎的开源产品，用于存储在运行于Apache Hadoop上的本地系统集群中的数据。Apache Hive和Impala都是Hadoop系统的关键部分。

让我们来详细研究一下Hive和Impala:

HIVE

• Apache Hive帮助分析存储在Hadoop文件系统(HDFS)和其他兼容文件系统中的庞大数据集。
• 用于查询存储在Hadoop集群中的数据。
• 通过翻译利用Hadoop的可伸缩性。
• Hive不是一个完整的数据库。
• 它不提供记录级别的更新。
• Hadoop是面向批处理的系统。
• 由于MapReduce, Hive查询有很高的延迟。
• Hive不提供它接近OLAP的特性。
• 最适合数据仓库应用。
• 通过MapReduce执行查询。
• 查询语言可以与自定义标量函数(UDF)、聚合(UDAF)和表函数(UDTF)一起使用。
• Hive还提供索引加速，索引类型包括压缩和位图索引0.10，更多的索引类型计划。
• Hive支持的存储类型有RCfile、HBase、ORC和纯文本。
• 类似sql的查询(Hive QL)，它被隐式地转换成MapReduce或Tez，或Spark作业。
• 默认情况下，