Hive-opetusohjelma aloittelijoille

Hive opetusohjelman yhteenveto

---

Apache Hive auttaa suurten tietojoukkojen kyselyissä ja hallinnassa todella nopeasti. Se on ETL työkalu Hadoop-ekosysteemille. Tässä aloittelijoille tarkoitetussa Apache Hive -opetusohjelmassa opit Hiven perusteet ja tärkeitä aiheita, kuten HQL-kyselyitä, tiedonpoiminta, osiot, kauhat ja niin edelleen. Tämä Hiven opetusohjelmasarja auttaa sinua oppimaan Hiven käsitteitä ja perusteita.

Mitä minun pitäisi tietää?

---

Jotta voit oppia tämän Hive-kyselyn opetusohjelman, tarvitset perustiedot SQL, Hadoop ja muiden tietokantojen tuntemus on lisäapua.

Hive-kurssin opetusohjelma

esittely

👍 Lesson 1	Mikä on Hive? - Architecture & Modes
👍 Lesson 2	Lataa ja asenna HIVE - Kuinka ladata ja asentaa HIVE Ubuntu
👍 Lesson 3	HIVE-metastoren määritys – Miksi käyttää MySQL?
👍 Lesson 4	Hive-tietotyypit - Luo ja pudota tietokanta Hiveen

Edistynyttä tavaraa

👍 Lesson 1	Hive Luo taulukko - Tyypit ja niiden käyttö
👍 Lesson 2	Pesien väliseinät ja kauhat – Opi esimerkin avulla
👍 Lesson 3	Hive-indeksit ja -näkymä – Opi esimerkin avulla
👍 Lesson 4	Hive kyselyt – Opi esimerkin avulla
👍 Lesson 5	Hive Join & SubQuery Tutorial – Opi esimerkin avulla
👍 Lesson 6	Hive Query Language Tutorial – Sisäänrakennettu OperaTors
👍 Lesson 7	Hive-toiminto — Sisäänrakennetut ja käyttäjän määrittämät toiminnot
👍 Lesson 8	Hive ETL — Ladataan JSON-, XML- ja tekstitietoesimerkkejä
👍 Lesson 9	Hive-haastattelukysymykset — Hiven 40 parhaan haastattelun kysymykset ja vastaukset

Johdatus Hiveen

Hive kehittyi tietovarastoratkaisuksi, joka on rakennettu Hadoop Map-Reduce -kehyksen päälle.

Toimialalla kerättävien ja analysoitavien tietokokonaisuuksien koko bisnesvaisto kasvaa ja tavallaan se tekee perinteisistä tietovarastointiratkaisuista kalliimpia. Hadoop MapReduce-kehyksen kanssa, käytetään vaihtoehtoisena ratkaisuna valtavan kokoisten tietojoukkojen analysointiin. Vaikka Hadoop on osoittautunut hyödylliseksi työskenneltäessä valtavien tietojoukkojen parissa, sen MapReduce-kehys on erittäin matalatasoinen ja vaatii ohjelmoijia kirjoittamaan mukautettuja ohjelmia, joita on vaikea ylläpitää ja käyttää uudelleen. Hive tulee tänne pelastamaan ohjelmoijia.

Hiven moottori kokoaa nämä kyselyt Map-Reduce-töihin, jotka suoritetaan Hadoopissa. Lisäksi kyselyihin voidaan liittää myös mukautettuja Map-Reduce-skriptejä. Hive toimii taulukoihin tallennetulla tiedolla, joka koostuu primitiivisistä tietotyypeistä ja kokoelmatietotyypeistä, kuten taulukoista ja kartoista.

Hiven mukana tulee komentorivikäyttöliittymä, jota voidaan käyttää taulukoiden luomiseen ja kyselyjen suorittamiseen.

Hive-kyselykieli on samanlainen kuin SQL, jossa se tukee alikyselyitä. Hiven kyselykielellä on mahdollista tehdä MapReduce-liitoksia Hive-taulukoiden välillä. Siinä on tuki yksinkertaiselle SQL:n kaltaiset toiminnot– CONCAT, SUBSTR, ROUND jne. ja yhdistämistoiminnot– SUM, COUNT, MAX jne. Se tukee myös GROUP BY- ja SORT BY -lauseita. On myös mahdollista kirjoittaa käyttäjän määrittämiä toimintoja Hive-kyselykielellä.

Hive vs Map Reduce

Ennen kuin valitsemme toisen näistä kahdesta vaihtoehdosta, meidän on tarkasteltava joitain niiden ominaisuuksia.

Valittaessa Hiven ja Map vähentää seuraavat tekijät otetaan huomioon;

• Tietojen tyyppi
• Tietojen määrä
• Koodin monimutkaisuus

Hive vs kartta vähentää?

Ominaisuus	Hive	Kartta Pienennä
Kieli	Se tukee SQL:n kaltaista kyselykieltä vuorovaikutukseen ja tietojen mallintamiseen	Se kokoaa kielen, jossa on kaksi päätehtävää. Yksi on karttatehtävä ja toinen on vähennys. Voimme määritellä nämä tehtävät käyttämällä Java or Python
Abstraktion taso	Korkeampi abstraktiotaso HDFS:n päällä	Alempi abstraktiotaso
Tehokkuus koodissa	Suhteellisesti vähemmän kuin Map vähentää	Tarjoaa korkean tehokkuuden
Koodin laajuus	Less suorittamiseen vaadittava rivimäärä koodi	Lisää koodirivejä määriteltävä
Vaadittava kehitystyön tyyppi	Less Kehitystyötä tarvitaan	Kehitystyötä tarvitaan lisää

Napsauta nähdäksesi Seuraava opetusohjelma