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 relationnelles dans les années 1980, SQL est depuis devenu une compétence standard pour la plupart des professionnels de l'informatique.
Vous pouvez facilement voir pourquoi SQL a été un tel succès: Il est relativement facile à apprendre, et les requêtes SQL sont tout à fait lisible. Cette facilité peut être retracée à un point de la conception de base en SQL - le fait qu'il est un déclaratif langue, par opposition à un impératif langue.
Pour qu'une langue soit déclarative que vos requêtes ne traitent que de la nature des données demandées - idéalement, il devrait y avoir rien dans votre requête qui détermine Comment le traitement doit être exécuté. En d'autres termes, tout ce que vous indiquez dans SQL est ce que les informations que vous souhaitez récupérer le système - pas comment l'obtenir.
En revanche, avec un langage impératif (C, par exemple, ou Java, ou Python) votre code se compose d'instructions où vous définissez les actions que vous devez le système à exécuter.
En plus des compétences (effet de levier) de facilement vos professionnels de l'informatique SQL-friendly, la valeur des applications de base de données de décennies ont également été construit avec des interfaces SQL. Quand on parle de la façon dont Hadoop peut compléter l'entrepôt de données, il est clair que les organisations vont stocker des données structurées dans Hadoop. Et en conséquence, ils vont courir une partie de leur logique applicative existante contre Hadoop.
Personne ne veut payer pour les applications d'être réécrit, donc une interface SQL est hautement souhaitable.
Avec le développement des interfaces SQL aux données Hadoop, une tendance intéressante est que l'analyse d'affaires commerciales et des outils de gestion des données sont presque tous sauter dans le train Hadoop, y compris l'intelligence d'affaires Reporting- Extrait packages- statistique, transformer, et les cadres de charge (ETL) - et une variété d'autres outils. Dans la plupart des cas, l'interface aux données Hadoop Hive est.
Hadapt et Hadoop Vers la fin de l'année 2010, Hadapt a été formé comme une start-up par deux étudiants de l'Université de Yale et professeur adjoint de science informatique. Professeur Daniel Abadi et Kamil Bajda-Pawlikowski, un étudiant au doctorat du…
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…
Hadoop comme un moteur de prétraitement des données Un des premiers cas d'utilisation de Hadoop dans l'entreprise était comme un moteur de transformation programmatique utilisé pour prétraiter les données à destination d'un entrepôt de données. Essentiellement, ce cas d'utilisation exploite la…
Hadoop comme une archive interrogeable des données de l'entrepôt froid Une multitude d'études montrent que la plupart des données dans un entrepôt de données d'entreprise est rarement interrogés. Les fournisseurs de base de données ont répondu à ces observations en mettant en œuvre leurs propres méthodes pour…
Comment choisir une architecture de cluster hadoop Hadoop est conçu pour être déployé sur une grande grappe d'ordinateurs en réseau, avec des nœuds maîtres (qui accueillent les services qui contrôlent le stockage et le traitement de Hadoop) et nœuds esclaves (où les données sont stockées…
Ibm grande sql et Hadoop IBM a une longue histoire de collaboration avec SQL et de la technologie de base de données. En accord avec cette histoire, la solution d'IBM pour SQL sur Hadoop exploite des composants de ses technologies de base de données relationnelles qui…
Gestion des données de grandes avec Hadoop HDFS et MapReduce: Hadoop, un framework logiciel open-source, utilise HDFS (le système de fichiers distribués Hadoop) et MapReduce pour analyser les données de grandes sur des groupes de produits de base sur le matériel qui est, dans un environnement de calcul…
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…
Pig latin dans les programmes de porcs de Hadoop Pig latin est la langue pour les programmes de porc. Pig traduit le script Pig Latin en emplois MapReduce qu'il peut être exécuté dans clusters Hadoop. En venant avec Pig Latin, l'équipe de développement a suivi trois principes clés de la…
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…
Les applications en cours avant hadoop 2 Parce que de nombreux déploiements Hadoop existants ne sont toujours pas encore à l'aide de Yet Another négociateur des ressources (FIL), de prendre un coup d'oeil à la façon dont Hadoop a réussi son traitement de données avant les jours de…
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…
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…