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。