越来越多的企业开始使用Hadoop集群来构建数据湖，以存储原始的结构化、半结构化以及非结构化数据，供数据分析专家以及数据科学家来使用。在Hadoop上存储数据时，您有很多种选择。数据可以以JSON、XML或CSV文件等人类可读格式被提取到Hadoop集群的数据湖中，但这并不意味着以这种原始结构来存储是的最佳方法。实际上，使用这些原始格式将数据存储于Hadoop中，由于这些文件格式不能以并行方式存储
转载
2024-06-05 21:55:33
42阅读
安装hivehive是一个基于hadoop的数据仓库，实质即为一个将MR任务封装为易于编写的hql语句（类似于sql语句）的组件。hive基于hadoop，因此运行hive必须安装hadoop，而hadoop则必须安装jdk。hive作为一个数据仓库，自然需要存储元数据，其内置有一个derby数据库用于存储元数据，但使用derby作为元数据库时只允许单用户单会话连接，生产实用时过于受限，因此常使用
转载
2023-09-20 10:39:14
30阅读
Hive这个框架在Hadoop的生态体系结构中占有及其重要的地位，在实际的业务当中用的也非常多，可以说hadoop之所以这么流行在很大程度上是因为hive的存在。那么Hive究竟是什么，为什么在Hadoop家族中占有这么重要的地位，本篇文章将围绕Hive的体系结构(架构)、Hive的操作、Hive与Hbase的区别等对Hive进行全方面的阐述。
转载
2023-08-25 07:44:44
25阅读
ORC（The Optimized Row Columnar），被设计用来给hive提供更高效的数据存储格式。和其它数据格式相比（parquest、text、rc），orc在读、写、处理数据上有着更优的表现。ORC是一种文件结构，排列组织存储数据的一种结构，而非一种数据压缩格式，就像hbase索引数据用B+树形式来存储数据。orc是列式存储结构，（关系型数据库大多用的是行式存储），由于列式数据数据
转载
2023-09-20 06:28:58
168阅读
相信对Hadoop生态系统熟络的大数据开发者对ORC都不会陌生，笔者也是，那么ORC具体是什么？有哪些应用呢？我们今天来看一看这个在Hadoop生态系统中具有举足轻重地位的存储格式 - Apache ORC一、Apache ORC简介Apache ORC(optimizedRC File) 存储源自于RC这种存储格式，是一种列式存储引擎，对schema的变更(修改schema需要重新生成
转载
2024-02-04 15:08:19
99阅读
数据仓库工具。构建在hadoop上的数据仓库框架，可以把hadoop下的原始结构化数据变成Hive中的表。（主要解决ad-hoc query，即时查询的问题）支持一种与SQL几乎完全相同的语言HQL。除了不支持更新，索引和事务，几乎SQL其他的特性都支持。可以看成是SQL到Map-reduce的映射器提供shell,JDBC/ODBC,Thrift,Web等接口
转载
2024-08-02 14:30:45
449阅读
云原生大数据组件研究（Hive+Hadoop）前言网上的找的文档大多残缺不靠谱，所以我整理了一份安装最新版本的hive4..0.0+hadoop3.3.4的学习环境，可以提供大家安装一个完整的hive+hadoop的环境供学习。由于在公司担任大数据的培训工作后续还会更新一些基础的文章,希望能帮助到大家。
一、安装Hadoop3.3.4
前置：集群规划机器信息Hostnamek8s-master
转载
2023-08-16 21:22:02
481阅读
第十二章 Hive一、示例①声明一个表，三列:year,temperature,quality create table records (year string, temperature int,quality int) row format delimited #HiveQL所特有，声明每一行是由制表符分隔的文本，按此格式读取数据 fields terminated by ‘\t’ ②
转载
2024-06-02 09:52:20
38阅读
Hive 支持的文件存储格式Apache Hive支持Apache Hadoop中使用的几种熟悉的文件格式TextFile（文本格式）RCFile（行列式文件）SequenceFile（二进制序列化文件）AVROORC（优化的行列式文件）Parquet 格式使用最多的是TextFile，SequenceFile，ORC和Parquet，今天此篇就从ORC 和 Parquet讲讲这两种文件存储格式，
转载
2023-09-08 21:22:53
182阅读
前言本教程采用了两种方案一种是hive-1.21版本,hadoop版本为hadoop2.6.5还有一种是主要讲基于hadoop3.x hive的搭建 先来第一种一、本地方式(内嵌derby)步骤这种存储方式需要在本地运行一个mysql服务器，并作如下配置解压修改安装包内conf文件夹下的hive-default.xml.template，并重命名为hite-site.xmljavax.
转载
2023-08-22 14:31:40
504阅读
数据存储格式和压缩方式选择Hive数据存储和压缩参考如下测试参数： 1.在压缩存储时间上，除Sequencefile外基本都相差无几。 2.数据压缩比例上ORC最优，parquet压缩性能也较好。 3.SQL查询速度而言，ORC与parquet性能较好，远超其余存储格式。 综合上述各种性能指标,我们采用ORC+SNAPPY压缩格式，这也是目前主流的做法。 参考链接 https://cwiki.
转载
2023-09-20 06:25:06
135阅读
Hadoop版本与Hive版本是大数据处理领域中非常重要的两个概念。Hadoop是一个用于处理大规模数据集的分布式计算框架，而Hive则是基于Hadoop的数据仓库基础设施。本文将为您介绍Hadoop和Hive的基本概念、使用方法以及它们之间的关系。
# Hadoop简介
Hadoop是由Apache基金会开发的一个开源分布式计算框架。它通过将大规模数据集分成多个小块，并将这些小块分布式存储在集
原创
2023-11-07 15:41:34
38阅读
一、下载安装包并解压
在官网下载最新版的hive包，apache-hive-3.1.3-bin.tar.gz,并进行解压
转载
2023-07-12 08:42:37
140阅读
Hadoop 系列之 HiveHive 的官网：http://hive.apache.org/Hive versions 1.2 onward require Java 1.7 or newer.上一篇提到的 MapRedue 虽然简化了分布式应用的实现方式，但还是离不开写代码。Hive 简介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
转载
2023-08-28 21:28:09
711阅读
一、ORC File文件结构 ORC的全称是(Optimized Row Columnar)，ORC文件格式是一种Hadoop生态圈中的列式存储格式，它的产生早在2013年初，最初产生自Apache Hive，用于降低Hadoop数据存储空间和加速Hive查询速度。和Parquet类似，它并不是一个单纯的列式存储格式，仍然是首先根据行组分割整个表，在每一个行组内进行按列存储。ORC文件是自描述的
转载
2023-07-08 11:22:46
0阅读
相比传统数据库的行式存储引擎，列式存储引擎具有更高的压缩比，更少的IO操作，尤其是在数据列很多，但每次操作仅针对若干列进行查询和计算的情景，列式存储引擎的性价比更高。目前在开源实现中，最有名的列式存储引擎莫过于Parquet和ORC，并且他们都是Apache的顶级项目，在数据存储引擎方面发挥着重要的作用。本文将重点讲解ORC文件存储格式，Parquet暂不深入说明，后续抽时间整理。 1、
转载
2023-07-18 11:36:38
665阅读
Hive是基于Hadoop的一个数据仓库工具，用来进行数据提取、转化、加载，这是一种可以查询和分析存储在Hadoop中的大规模数据的机制。Hive数据仓库工具能将结构化的数据文件映射为一张数据库表，并提供SQL查询功能，能将SQL语句转变成MapReduce任务来执行。关于Hive的描述可以归结为这么几点来理解：Hive是工具。Hive可以用来构建数据仓库。Hive具有类似SQL的操作语句HQL。
转载
2023-07-28 20:43:21
155阅读
1. 絮絮叨叨Apache ORC官网，把ORC文件的结构讲的那么精妙，甚至让人云里雾里如果不借助工具查看ORC文件的元数据或者阅读源码，你可能无法在脑海中形成ORC文件结构本文将基于一张前10列加密、后10列不加密的Hive表test.tmp_hgs_orc_xxx，介绍如何查看ORC文件的元数据，以帮助大家更好地理解ORC文件的存储结构很多方式都可以查看ORC文件的元数据，本文将介绍hive命
转载
2024-01-18 14:30:28
136阅读
# 实现“hive hadoop 版本”流程
## 1. 确定环境和工具
首先，你需要确认你的开发环境中已安装以下工具：
- Hadoop：用于分布式存储和处理大规模数据的开源框架。
- Hive：一个基于Hadoop的数据仓库基础设施，用于数据提取、转换和加载。
如果你的环境中没有安装这些工具，你可以参考官方文档进行安装。
## 2. 创建Hive表
接下来，你需要使用Hive来创建
原创
2023-10-29 06:57:01
2阅读
小白学数据，只为记录学习进程，对每个问题有新的理解会及时更正。 一、HIVE中常用的存储格式 1.Textfile存储格式 textfile是按行存储的方式，没有进行压缩，磁盘开销大，并且上传文件到HDFS是通过put方式2.ORC存储格式 ORC是按行和按列结合的存储格式，若有1w条数据，ORC模式先把1w行的表拆分成100行一个的小表，再对每个小表进行按列存储。create table tes
转载
2023-12-13 01:40:03
257阅读
