参加Hive和Pig(两个hadoop数据查询、处理工具)培训的一些体会
2012-05-06 22:56
417 查看
前一段时间开始看Hadoop的资料,希望通过自学能了解相关的基本知识技能。不过发现有些困难。首先是hadoop是安装在liuux上的,其次hadoop的开发语言是java。我对linux和java都不熟悉。自学有困难。不过这还不是最困难的。最困难的是hadoop相关的公开的学习资料太少。官网上的教程经常有小错误走不下去。
后来看到Cloudera公司授权的国内的一个hadoop培训(http://www.ruanko.com/portal/hadoop/Cloudera_Hive_and_Pig_Training.html),报名参加了一门最感兴趣的数据查询和处理的课。还有两门课分别是hadoop的管理和hadoop的开发。
Hadoop是开源软件。Cloudera公司提供开源的、比较稳定的编译后的版本,这个版本简称CDH。另外还有两家公司提供不开源的稳定的版本。Cloudera公司以提供Hadoop的培训和支持为主要业务。我参加的这个培训是Cloudera公司授权的首次国内培训。
Hive和Pig是hadoop之上的两个数据查询和处理的工具。Hive的语法与SQL很像。Pig是一种处理数据的脚本语言。如果不用Hive和Pig之类的工具,而是用Hodoop上的原生态的Java的来查数据的话,开发效率比较低。一个简单的sql需要写一页代码。
Hadoop的数据实际是存在文件系统中的。没有像关系数据库那样的各种对数据的校验约束机制。因此保存数据的时候,使用Pig之类的脚本来做预处理就比较有必要了。
Hive运行在可以连接到hadoop的客户端上。Hive创建的表并不会保存到Hadoop之上。只会保存到运行Hive的Client上。这是与关系型数据库非常不同的一个特点。从这个特点看Hadoop更像是文件系统而不是数据库。
如果需要处理二进制数据,那么Hadoop和Pig都不适合。
除此之外,常见的数据查询功能,Hive和Pig都可以实现。不过Hive和Pig都不支持对数据的修改。Hive还有一些特有的统计功能,比SQL实现起来简洁。
Hadoop不是关系型数据库,目前还没支持索引。查询起来速度当然比不上关系型数据库。在练习用的单独的虚拟机上,最大的表数据量只有10万,许多普通的查询也要1-2分钟。
这个培训课,基本上算是一个入门。我感觉仅仅是对Hadoop,Hive,Pig有了一些基本的了解。想要熟练掌握,我认为还是需要通过实战。
后来看到Cloudera公司授权的国内的一个hadoop培训(http://www.ruanko.com/portal/hadoop/Cloudera_Hive_and_Pig_Training.html),报名参加了一门最感兴趣的数据查询和处理的课。还有两门课分别是hadoop的管理和hadoop的开发。
Hadoop是开源软件。Cloudera公司提供开源的、比较稳定的编译后的版本,这个版本简称CDH。另外还有两家公司提供不开源的稳定的版本。Cloudera公司以提供Hadoop的培训和支持为主要业务。我参加的这个培训是Cloudera公司授权的首次国内培训。
Hive和Pig是hadoop之上的两个数据查询和处理的工具。Hive的语法与SQL很像。Pig是一种处理数据的脚本语言。如果不用Hive和Pig之类的工具,而是用Hodoop上的原生态的Java的来查数据的话,开发效率比较低。一个简单的sql需要写一页代码。
Hadoop的数据实际是存在文件系统中的。没有像关系数据库那样的各种对数据的校验约束机制。因此保存数据的时候,使用Pig之类的脚本来做预处理就比较有必要了。
Hive运行在可以连接到hadoop的客户端上。Hive创建的表并不会保存到Hadoop之上。只会保存到运行Hive的Client上。这是与关系型数据库非常不同的一个特点。从这个特点看Hadoop更像是文件系统而不是数据库。
如果需要处理二进制数据,那么Hadoop和Pig都不适合。
除此之外,常见的数据查询功能,Hive和Pig都可以实现。不过Hive和Pig都不支持对数据的修改。Hive还有一些特有的统计功能,比SQL实现起来简洁。
Hadoop不是关系型数据库,目前还没支持索引。查询起来速度当然比不上关系型数据库。在练习用的单独的虚拟机上,最大的表数据量只有10万,许多普通的查询也要1-2分钟。
这个培训课,基本上算是一个入门。我感觉仅仅是对Hadoop,Hive,Pig有了一些基本的了解。想要熟练掌握,我认为还是需要通过实战。
相关文章推荐
- 大数据框架对比:Hadoop、Storm、Samza、Spark和Flink--容错机制(ACK,RDD,基于log和状态快照),消息处理at least once,exactly once两个是关键
- 对比Pig、Hive和SQL,浅看大数据工具之间的差异 -- 转发
- sqoop (Hadoop(Hive)与传统的数据库(mysql..)间进行数据的传递工具) 基础概念
- Hadoop对于数据的离线处理流程及实现Top N 查询
- Hadoop数据传输工具sqoop(三)用Sqoop导入数据到HIVE
- 009-Hadoop Hive sql语法详解4-DQL 操作:数据查询SQL-select、join、union、udtf
- Storm, Spark, Hadoop三个大数据处理工具谁将成为主流
- 大数据处理工具之Hive安装配置实践
- 急性子的开源大数据,第 1 部分: Hadoop 教程:Hello World 与 Java、Pig、Hive、Flume、Fuse、Oozie,以及 Sqoop 与 Informix、DB2 和
- 一些单机处理大数据开源工具
- (第7篇)灵活易用易维护的hadoop数据仓库工具——Hive
- 开源大数据(hadoop生态系统、流式处理系统等)处理工具汇总
- hadoop和hive的实践应用(二)——基于Hadoop的数据仓库工具hive搭建
- Hadoop和Hive的数据处理流程
- 一共81个,开源大数据处理工具汇总:查询引擎、流式计算、迭代计算、离线计算、键值存储、表格存储、文件存储、资源管理、日志收集系统、消息系统、分布式服务、集群管理、基础设施、搜索引擎、数据挖掘=监控
- hadoop基本教程之开源数据仓库工具hive
- 环境搭建 Hadoop+Hive(orcfile格式)+Presto实现大数据存储查询一
- 一共81个,开源大数据处理工具汇总:查询引擎、流式计算、迭代计算、离线计算、键值存储、表格存储、文件存储、资源管理、日志收集系统、消息系统、分布式服务、集群管理、基础设施、搜索引擎、数据挖掘=监控
- 给Clouderamanager集群里安装基于Hive的大数据实时分析查询引擎工具Impala步骤(图文详解)
- 大数据开源框架之一: HADOOP/MAPREDUCE HBASE HIVE PIG ZOOKEEPER