Hive教程
Hive教程是在Hadoop分布式文件系统上使用业界流行的HiveQL，成为查询、总结和分析数十亿或万亿条记录的专家的踏脚石。本教程使您熟悉该语言的功能和范围，以便更好地优化和处理查询。使用类似SQL的方言，可以使用简单的DDL和DML命令编写查询，以指定或更改数据库、表或视图，并对其执行操作。本文将重点介绍可以在配置单元上执行的各种类型的查询，以及后端MapReduce作业的执行计划。
为什么我们需要学习Hive
- 作为一名数据分析师，搅动数据（干净/不干净）并从中获得可操作的见解非常重要。通过使用不同的文件格式，例如：Textfile、Sequencefile、Avro、Parquet或ORC（优化的行-列），可以高效地处理各种数据</李>
- Hive就是这样一种高级语言，它可以更快地汇总数据，并支持用户定义的用于操作字符串、整数或日期的函数。这种SQL抽象阻止我们编写复杂的Mapreduce作业</李>
- 临时查询变得很容易，并且可以对来自外部表的数据进行操作，而无需将数据存储在HDFS中
- Hadoop分发了文件系统（HDFS），该系统管理如何跨集群存储数据。此外，MapReduce计算模型有助于将作业分解为任务，以便跨服务器或集群进行并行处理</李>
蜂箱的应用
- 作为一个开源的数据仓库系统，Hive在大数据分析和数据摘要中得到了应用</李>
- Hadoop开发人员也在使用ApacheHive解决Hadoop软件包（如RHive、RHipe）的复杂分析问题。甚至Apache Mahout也支持配置单元查询</李>
- 分区和bucketing的概念使数据能够存储在逻辑部分或段中，从而加快查询响应时间</李>
Hive还支持许多数据科学应用程序，如：
- 文档索引
- 文本挖掘
- 谷歌分析
- 情绪分析
- 预测建模
- 日志处理
- 假设检验
先决条件
为了学习HiveQL，SQL、Hadoop体系结构和Unix/Linux shell脚本命令的基本知识将很有帮助。理解解决问题的逻辑方法有助于构建查询和ETL作业。
目标受众
HiveQL教程旨在满足银行、零售、保险等领域的大数据专业人士/工程师和分析师的PB级数据分析需求。本教程将帮助Hadoop开发人员自动化ETL作业，以总结Hadoop生态系统上的大型数据集。数据库架构师和管理员也可以从这个全面的教程中学习许多概念。
