Introduction to Hive Cloudera Engineering Blog（蜂巢Cloudera工程概论的博客）.pdfVIP

下载本文档

2
0
约7.4千字
约 27页
2017-09-02 发布于浙江
举报
版权申诉

Introduction to Hive Cloudera Engineering Blog（蜂巢Cloudera工程概论的博客）.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

Introduction to Hive Cloudera Engineering Blog（蜂巢Cloudera工程概论的博客）

Introduction to Hive © 2009 Cloudera, Inc. Outline • Motivation • Overview • Data Model • Working with Hive • Wrap up Conclusions © 2009 Cloudera, Inc. Background • Started at Facebook • Data was collected by nightly cron jobs into Oracle DB • “ETL” via hand-coded python • Grew from 10s of GBs (2006) to 1 TB/day new data (2007), now 10x that. © 2009 Cloudera, Inc. Hadoop as Enterprise Data Warehouse • Scribe and MySQL data loaded into Hadoop HDFS • Hadoop MapReduce jobs to process data • Missing components: – Command-line interface for “end users” – Ad-hoc query support • … without writing full MapReduce jobs – Schema information © 2009 Cloudera, Inc. Hive Applications • Log processing • Text mining • Document indexing • Customer-facing business intelligence (e.g., Google Analytics) • Predictive modeling, hypothesis testing © 2009 Cloudera, Inc. Hive Components • Shell: allows interactive queries like MySQL shell connected to database – Also supports web and JDBC clients • Driver: session handles, fetch, execute • Compiler: parse, plan, optimize • Execution engine: DAG of stages (M/R, HDFS, or metadata) • Metastore: schema, location in HDFS, SerDe © 2009 Cloudera, Inc. Data Model • Tables – Typed columns (int, float, string, date, boolean) – Also, list: map (for JSON-like data) • Partitions – e.g., to range-partition table