虚拟主机网站建设实训总结wordpress 多标签

当前位置： 首页 > news >正文

虚拟主机网站建设实训总结,wordpress 多标签,六枝特区建设局网站,宁波建设网证书查询平台目录 0.数据仓库和数据库 数据仓库和数据库的区别 数据仓库基础三层架构 一.HDFS、HBase、Hive的区别 二.大数据相关软件 三. Hive 的优缺点 1#xff09;优点 2#xff09;缺点 四. Hive 和数据库比较 1#xff09;查询语言 2#xff09;数据更新 3#xff09;…目录 0.数据仓库和数据库 数据仓库和数据库的区别 数据仓库基础三层架构 一.HDFS、HBase、Hive的区别 二.大数据相关软件 三. Hive 的优缺点 1优点 2缺点 四. Hive 和数据库比较 1查询语言 2数据更新 3执行延迟 4数据规模 五.hive架构流程 六.MetaStore元数据管理三种模式  内嵌模式: ​编辑本地模式:  远程模式: 0.数据仓库和数据库 数据仓库和数据库的区别 数据库与数据仓库的区别:实际讲的是OLTP与OLAP的区别 OLTPOn-Line Transaction Processin:叫联机事务处理也可以称面向用户交易的处理系统  主要面向用户进行增删改查 OLAPOn-Line Analytical Processing:叫联机分析处理,一般针对某些主题的历史数据进行分析 主要面向分析,支持管理决策。 数据仓库主要特征:面向主题的Subject-Oriented 、集成的Integrated、非易失的Non-Volatile和时变的Time-Variant 数据仓库的出现并不是要取代数据库,主要区别如下:     数据库是面向事务的设计数据仓库是面向主题设计的。     数据库是为捕获数据而设计数据仓库是为分析数据而设计     数据库一般存储业务数据数据仓库存储的一般是历史数据。     数据库设计是尽量避免冗余一般针对某一业务应用进行设计比如一张简单的User表记录用户名、密码等简单数据即可符合业务应用但是不符合分析。     数据仓库在设计是有意引入冗余依照分析需求分析维度、分析指标进行设计。 数据仓库基础三层架构 源数据层ODSOperational Data Store此层数据无任何更改直接沿用外围系统数据结构和数据不对外开放为临时存储层是接口数据的临时存储区域为后一步的数据处理做准备。 数据仓库层DWData Warehouse也称为细节层DW层的数据应该是一致的、准确的、干净的数据即对源系统数据进行了清洗去除了杂质后的数据。 数据应用层DA或APPApplication前端应用直接读取的数据源根据报表、专题分析需求而计算生成的数据。 一.HDFS、HBase、Hive的区别 1、HDFS分布式文件系统  是Hadoop两大核心组成部分之一提供在廉价服务器集群中进行大规模分布式文件存储的能力。具有很好的容错能力并且兼容廉价的硬件设备因此可以较低成本利用现有机器实现大流量和大数据量的读写 2、HBase分布式数据库 是一个高可靠、高性能、面向列、可伸缩的分布式数据库主要用来存储非结构化和半结构化的松散数据支持超大规模数据存储可以通过水平扩展的方式利用廉价计算机集群处理由超过10亿行数据和数百万列元素组成的数据表 3、Hive数据仓库 基于Hadoop的数据仓库工具可以用于对存储在Hadoop文件中的数据集进行数据整理、特殊查询和分析处理。hive是基于hadoop的数据仓库工具,可以对于存储在hadoop文件中的数据集进行数据整理,特殊查询和分析处理 Hive 是基于 Hadoop 的一个数据仓库工具可以将结构化的数据文件映射为一张表并提供类 SQL 查询功能。   二.大数据相关软件 HDFS负责最终数据的存储                        YARN:主要提供资源的分配 Hive用于编写SQL进行数据分析                oozie用来做自动化定时调度 Sqoop用于数据的导入导出                        HUE提升操作Hadoop的用户体验基于HUE操作HDFS、Hive…… 三. Hive 的优缺点 1优点 操作接口采用类 SQL 语法提供快速开发的能力简单、容易上手。避免了去写 MapReduce减少开发人员的学习成本。Hive 的执行延迟比较高因此 Hive 常用于数据分析对实时性要求不高的场合。Hive 优势在于处理大数据对于处理小数据没有优势因为 Hive 的执行延迟比较高。Hive 支持用户自定义函数用户可以根据自己的需求来实现自己的函数。 2缺点 Hive 的 HQL 表达能力有限 迭代式算法无法表达数据挖掘方面不擅长由于 MapReduce 数据处理流程的限制效率更高的算法却无法实现。 Hive 的效率比较低 Hive 自动生成的 MapReduce 作业通常情况下不够智能化Hive 调优比较困难粒度较粗 四. Hive 和数据库比较 由于 Hive 采用了类似 SQL 的查询语言 HQLHive Query Language因此很容易将 Hive 理解为数据库。其实从结构上来看Hive 和数据库除了拥有类似的查询语言再无类似之处。 本文将从多个方面来阐述 Hive 和数据库的差异。数据库可以用在 Online 的应用中但是 Hive 是为数据仓库而设计的清楚这一点有助于从应用角度理解 Hive 的特性。 1查询语言 由于 SQL 被广泛的应用在数据仓库中因此专门针对 Hive 的特性设计了类 SQL 的查询语言 HQL。熟悉 SQL 开发的开发者可以很方便的使用 Hive 进行开发。 2数据更新 由于 Hive 是针对数据仓库应用设计的而数据仓库的内容是读多写少的。因此Hive 中不建议对数据的改写所有的数据都是在加载的时候确定好的。而数据库中的数据通常是需要经常进行修改的因此可以使用 INSERT INTO … VALUES 添加数据使用 UPDATE … SET 修 改数据。 3执行延迟 Hive 在查询数据的时候由于没有索引需要扫描整个表因此延迟较高。另外一个导致 Hive 执行延迟高的因素是 MapReduce 框架。由于 MapReduce 本身具有较高的延迟因此在利用 MapReduce 执行 Hive 查询时也会有较高的延迟。相对的数据库的执行延迟较低。 当然这个低是有条件的即数据规模较小当数据规模大到超过数据库的处理能力的时候Hive 的并行计算显然能体现出优势。 4数据规模 由于 Hive 建立在集群上并可以利用 MapReduce 进行并行计算因此可以支持很大规模的数据对应的数据库可以支持的数据规模较小。 五.hive架构流程 六.MetaStore服务,元数据管理三种模式  metastore服务配置有3种模式: 内嵌模式、本地模式、远程模式 内嵌模式:     优点: 配置简单 hive命令直接可以使用     缺点: 不适用于生产环境,derby和Metastore服务都嵌入在主Hive Server进程中,一个服务只能被一个客户端连接(如果用两个客户端以上就非常浪费资源),且元数据不能共享      本地模式:      优点:可以单独使用外部的数据库(mysql),元数据共享     缺点:相对浪费资源,metastore嵌入到了hive进程中,每启动一次hive服务都内置启动了一个metastore。      远程模式:     优点:可以单独使用外部库(mysql),可以共享元数据,本地可以连接metastore服务也可以连接hiveserver2服务,增加了扩展性(其他依赖hive的软件都可以通过Metastore访问hive)     缺点:需要注意的是如果想要启动hiveserver2服务需要先启动metastore服务