Hadoop et ruche
Pour faire une longue histoire courte, Hive fournit Hadoop avec un pont vers le monde de SGBDR et fournit un dialecte SQL connu comme Hive Query Language (HiveQL), qui peut être utilisé pour effectuer des tâches de type SQL. Voilà les grandes nouvelles, mais il ya plus Hive que rencontre l'oeil, comme ils disent, ou plusieurs applications de cette nouvelle technologie que vous pouvez présenter dans un elevator pitch standard.
Par exemple, la ruche rend également possible le concept connu comme entrepôt de données d'entreprise (EDW) augmentation, l'un des principaux cas d'utilisation d'Hadoop, où les entrepôts de données sont mis en place comme SGBDR construit spécifiquement pour l'analyse des données et de reporting.
Maintenant, certains experts diront que Hadoop (avec Hive, HBase, Sqoop, et ses copains assorties) peut remplacer l'EDW. Cependant, Hadoop est un grand addition à l'entreprise et qu'elle peut augmenter et de compléter EDW existants. Hive, HBase, Sqoop et permettent EDW augmentation.
Étroitement associé à la technologie SGBDR / EDW est extraction, de transformation et de chargement (ETL) technologie. Pour saisir ce ETL ne, il est utile de savoir que, dans de nombreux cas d'utilisation, les données ne peuvent pas être immédiatement chargées dans la base de données relationnelle - il doit d'abord être extrait de sa source d'origine, transformée en un format approprié, puis chargé dans le SGBDR ou EDW.
Par exemple, une entreprise ou un organisme peuvent extraire des données de texte non structurées à partir d'un forum Internet, transformer les données en un format structuré qui est à la fois précieux et utile, et puis charger les données structurées dans son EDW.
Vous pouvez voir que la ruche est un outil ETL puissant dans son propre droit, avec l'acteur majeur dans ce domaine: Apache Pig. Encore une fois, les utilisateurs peuvent essayer de mettre en place Hive et Pig comme la nouveaux outils ETL pour le centre de données. (Laissez-les essayer.)
Comme avec le débat sur l'EDW contre Hadoop, ces technologies Hadoop ne sont pas directs remplacements pour les outils ETL existante, mais à la place sont de puissants nouveaux outils ETL être utilisées le cas échéant.
Last but not least, Apache Hive vous donne des outils analytiques puissants, le tout dans le cadre de HiveQL. Ces outils devraient regarder et se sentir tout à fait familier aux professionnels IT qui comprennent comment utiliser SQL.
Hadoop Sqoop pour Big Data Sqoop (SQL-à-Hadoop) est un outil grand de données qui offre la possibilité d'extraire des données à partir des données magasins non Hadoop, transformer les données en une forme utilisable par Hadoop, puis charger les données dans HDFS. Ce…
Comment démarrer avec ruche apache Il n'y a pas de meilleure façon de voir ce qui est ce que l'installation du logiciel ruche et lui donner un essai. Comme avec d'autres technologies dans l'écosystème Hadoop, il ne faut pas longtemps pour commencer.Si vous avez le temps et la…
Importation de données dans la ruche avec Sqoop Ici, vous importez la totalité de la base de données directement à partir de l'ordre de service MySQL dans la ruche et exécutez une requête HiveQL contre la base de données nouvellement importée sur Hadoop. La liste suivante vous montre…
Caractéristiques de hiveql clés La communauté Apache Hive vivante et active en permanence ajouters déjà à un vaste ensemble de fonctionnalités, ce qui rend la couverture exhaustive encore plus difficile. La liste qui suit résume quelques caractéristiques principales HiveQL…
Bases de données de traitement massivement parallèle Pour permettre une meilleure compréhension des alternatives SQL-sur-Hadoop Hive, il pourrait être utile d'examiner une amorce sur le traitement massivement parallèle (MPP) des bases de données en premier.Apache Hive est posée sur le dessus du…
Hawq Pivotal et Hadoop En 2010, EMC et VMware, les leaders du marché dans la prestation de l'informatique comme un service via le cloud computing, acquis Greenplum Corporation, les gens qui avaient obtenu gain de cause le produit MPP Greenplum Data Warehouse (DW) sur le…
Access SQL et ruche apache Apache Hive est incontestablement interface d'interrogation de données la plus répandue dans la communauté Hadoop. À l'origine, les objectifs de conception pour la ruche étaient pas pour assurer la compatibilité de SQL complète et de haute…
L'importance de SQL pour Hadoop Il ya des raisons impérieuses que SQL a su résister. L'industrie des TI a eu 40 ans d'expérience avec SQL, car il a d'abord été développé par IBM au début des années 1970. Avec l'augmentation de l'adoption de bases de données…
Ecureuil client comme ruche avec le pilote JDBC SQuirreL SQL est un outil open source qui agit comme un client Hive. Vous pouvez télécharger ce client SQL universelle à partir du site SourceForge. Il fournit une interface utilisateur de ruche et simplifie les tâches de l'interrogation de…
Stockage de données structurées et de traitement dans Hadoop Lorsque l'on considère les capacités de Hadoop pour travailler avec des données structurées (ou de travailler avec des données de tout type, d'ailleurs), rappelez-vous les caractéristiques de base de Hadoop: Hadoop est, d'abord et avant tout,…
L'écosystème Hadoop Apache Hadoop est plus que MapReduce et HDFS (Distributed File System Hadoop): Il est également une famille de projets connexes (un écosystème, vraiment) pour le calcul distribué et le traitement de données à grande échelle. La plupart (mais pas…
L'architecture de la ruche apache Comme vous examinez les éléments de Apache Hive montrées, vous pouvez voir au bas cette ruche se trouve au sommet du système Hadoop Distributed File (HDFS) et les systèmes de MapReduce.Dans le cas de MapReduce, les figureshows deux composants…
L'écosystème du client HBase HBase est écrit en Java, un langage élégant pour la construction de technologies distribuées comme HBase, mais le visage il - pas tout le monde qui veut prendre avantage des innovations Hbase est un développeur Java. Voilà pourquoi il ya un…
Les données de grandes mines avec ruche Hive est, une couche d'entreposage des données orientée lots construit sur les éléments de base de Hadoop (HDFS et MapReduce) et est très utile dans les grandes données. Il fournit aux utilisateurs qui connaissent SQL avec une mise en œuvre…