发布于 2016-11-01 06:58:25 | 197 次阅读 | 评论: 0 | 来源: 网友投递

这里有新鲜出炉的Apache Hive教程，程序狗速度看过来！

Apache Hive 数据仓库工具

hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供简单的sql查询功能，可以将sql语句转换为MapReduce任务进行运行。 其优点是学习成本低

---

Apache Hive 2.1新引入了6大性能，包括：

（1）LLAP。Apache Hive 2.0引入了LLAP（Live Long And Process），而2.1则对其进行了极大的优化，相比于Apache Hive 1，其性能提升约25倍；

（2）更鲁邦的SQL ACID支持；

（3）2X ETL性能提升。引入更智能的CBO（Cost Based Optimizer），更快的类型转换以及动态分区优化；

（4）支持存储过程。加大简化了从EDW迁移到Hive的流程。这是通过开源项目HPL/SQL（Apache开源协议，http://www.hplsql.org/）实现的，HPL/SQL的目的是为Apache Hive,SparkSQL, Impala 以及其他SQL-on-Hadoop 实现, 任何 NoSQL和 RDBMS增加存储过程的实现；

（5）对文本格式数据增加向量化计算的支持；

（6）引入新的诊断和监控工具，包括新的HiveServer2 UI，LLAPUI和改进的Tez UI。

接下来详细介绍对Apache Hive 2.1性能提升至关重要的优化：LLAP。LLAP是“Live Long and Process”的简写，它引入了分布式持久化查询服务，并结合经优化的数据缓存机制，可快速启动查询计算作业并避免无需的磁盘IO操作。简而言之，LLAP是下一代分布式计算架构，它能够智能地将数据缓存到多台机器内存中，并允许所有客户端共享这些缓存的数据，同时保留了弹性伸缩能力。

相比于Hive 1 + Tez，Hive2+ Tez+LLAP性能提升约26倍，测试结果如下图所示（测试结果是通过https://github.com/hortonworks/hive-testbench得到的）： 

Hive2 LLAP的引入，标志着Apache Hive进入内存计算时代。总结起来，内存计算类型可分为以下三类：

其中，Type1已被Apache hadoop生态系统证明其性能不会太高，因而Hive直接进入Type2，目前对Type2中所有特性均支持地很好，包括分布式内存管理和优化，内存数据共享等。此外，Apache Hive正进一步优化性能，包括支持新型存储介质Flash，扩展LLAP能力，使其可以直接处理压缩数据而无需事先解压。