《hadoop在大数据分析应用-马健馨》由会员分享,可在线阅读,更多相关《hadoop在大数据分析应用-马健馨(12页珍藏版)》请在金锄头文库上搜索。
1、Hadoop以及在大数据应用马健馨 北京语言大学大纲Hadoop简介 Hadoop就是一个实现了Google云计算系统的开源系统,包 括并行计算模型Map/Reduce,分布式文件系统HDFS,以 及分布式数据库Hbase,同时Hadoop的相关项目也很丰富 ,包括ZooKeeper,Pig,Chukwa,Hive,Hbase,Mahout ,flume等.Hadoop处理流程编程接口-streaming 管道传输数据 任何可以操作标准输入输出的语言都可以写streaming并行处理程序。hive数据仓库 Hive是为提供简单的数据操作而设计的下 一代分布式数据仓库。它提供了简单的类似 SQL
2、的语法的HiveQL语言进行数据查询。同时 ,HiveQL语言能力不足时,它也能允许使用 Map/reduce并行计算模型进行复杂数据分析。 HIVE可以将存储在Hadoop中的数据文件映 射为一张数据库表,并提供了一套查询语言 HQL。HQL以SQL为基础,自动转换为 MapReduce任务进行运行,使用起来非常方便 。Hive架构Hive特点以及典型应用 1.特点 不能保证处理的低迟延(low latency)问题 。 批处理大规模数据 2. 典型应用 ETL处理 OLAP系统 BI系统 日志分析Hive日志分析架构Hive支持的数据类型以及操作数据类型: 简单类型:INT, STRING, boolean 复杂类型:Struct、Map和Array 操作: SELECT DISTINCT, JOINS, WHERE, GROUP BYHive程序开发 Java:hive-JDBC Client C/C+:ODBC client Python, ThriftHive php, 流程Hive序列化反序列化HIVE里面的数据及其结构以类的形式储存,并提供了串行器和反串行器 来实现HIVE内部的类和普通编程语言的类之间的转换。 有了串行器和反串行器,我们就能在HIVE中对输入文件内容进行更复杂 的操作,从而解析非结构化数据。在实际开发中只需要实现反串行器即 可。