|
- 大数据之hadoop hive hbase 的区别是什么？有什么应用场景？ - 知乎
2 Hive Hive是一个基于Hadoop的数据仓库系统，它将SQL语言转化为MapReduce任务，并在Hadoop集群上运行。 它提供了类似于SQL的查询和分析接口，使得非专业开发人员可以通过简单的SQL语句访问分布式存储中的大数据，从而实现数据分析和查询。
- HBase 和 Hive 的差别是什么，各自适用在什么场景中？ - 知乎
1 Hive中的表是纯逻辑表，就只是表的定义等，即表的元数据。 Hive本身不存储数据，它完全依赖HDFS和MapReduce。 这样就可以将结构化的数据文件映射为为一张数据库表，并提供完整的SQL查询功能，并将SQL语句最终转换为MapReduce任务进行运行。
- 如何通俗地理解Hive的工作原理？ - 知乎
接下去Hive会对执行计划进行优化，最常见的优化可能是PartitionPrune，比如你在Hive中定义了分区表，那么如果有Where条件中出现了分区字段，比如WHERE date ＝ '2016-08-25'，而且分区就是date，那么我需要在TableScanOperator中加入分区信息，指定Scan的时候只扫描2016-8-25的
- 为什么Hive正在被淘汰？ - 知乎
总的来说，Hive on Tez 保留了与 Hadoop 的紧密集成，可在 YARN 环境下执行，但相比 MapReduce 查询响应时延显著降低，吞吐量得到提升。 Hive + LLAP Hive 3 x 版本引入了 LLAP（Live Long And Process）功能 [1] [14]，面向交互式查询场景。LLAP 在每个工作节点上启动长期驻留的多线程守护进程，负责 I O、缓存和部分
- pyspark 如何读取大数据平台中的 hive 数据表？ - 知乎
比如我们指定使用MySQL作为Hive元数据的存储介质，那么就需要把Hive连接MySQL的相关属性配置在hive-site xml文件中，这样不管是本地模式还是远程模式启动，不管客户端本地连接还是远程连接，都将访问同一个元数据存储介质，大家使用的元数据都是一致的。
- 请问spark和hive是什么关系？ - 知乎
再来看看hive。 hive 官网有描述，“Apache Hive data warehouse software facilitates reading, writing, and managing large datasets residing in distributed storage using SQL ”，hive的定位是数据仓库，其提供了通过 sql 读写和管理分布式存储中的大规模的数据，即 hive即负责数据的存储和管理（其实依赖的是底层的hdfs文件系统或s3等
- hive 如何优化查询速度？ - 知乎
Hive 优化查询速度的方法有很多，你可以记下： 使用分区表和分桶表： 合理的分区和分桶可以大大减少查询数据量，提高查询效率。 避免使用 select *： 尽量只选择需要的列，避免查询不必要的数据，可以加快查询速度。
- 请问Hadoop、Hbase、Hive三者有什么关系？ - 知乎
hive需要用到hdfs存储文件，需要用到MapReduce计算框架。 HBase：是一个Hadoop的数据库，一个分布式、可扩展、大数据的存储。
|
|
|