zoukankan      html  css  js  c++  java
  • spark hive区别

    一:Hive本质是是什么

    1:hive是分布式又是数据仓库,同时又是查询引擎,Spark SQL只是取代的HIVE的查询引擎这一部分,企业一般使用Hive+spark SQL进行开发

    2:hive的主要工作

          1>  把HQL翻译长map-reduce的代码,并且有可能产生很多mapreduce的job

          2> 把生产的Mapreduce代码及相关资源打包成jar并发布到Hadoop的集群当中并进行运行

    3:hive架构

                         

    4:hive默认情况下用derby存储元数据,所以在生产环境下一般会采用多用户的数据库进行元数据的存储,并可以读写分离和备份,一般使用主节点写,从节点读,一般使用mysql

    5:hive数据仓库数据的具体存储

    二:SparkSQL  和DataFrame

    1:处理一切存储介质和各种格式的数据(可以扩展sparksql来读取更多类型的数据)

    2:Spark SQL把数据仓库的计算速度推向了新的高度(Tungsten成熟之后会更厉害)

    3:Spark SQL 推出的Dataframe可以让数据仓库直接使用机器学习,图计算等复杂算法

    4:HIVE+Spark SQL+DataFrame:

         i> Hive:负责廉价的数据仓库存储

         ii>Spark Sql:负责高速的计算

         iii> DataFrame:负责复杂的数据挖掘

    三: DataFrame与RDD

    1:DataFrame是一个分布式的table

    2:RDD和DataFrame的根本差异

        1.RDD是以Record为单位的,

        2.DataFrame包含了每一个Record的Metadata信息,也就是说DataFrame的的优化是基于列的优化,RDD是基于行的优化

  • 相关阅读:
    外边距塌陷 margin collapsing
    深入理解BFC
    Less:优雅的写CSS代码
    Spring
    前端性能优化
    Tomcat性能调优 通过ExpiresFilter设置资源缓存
    HTML中body与html的关系
    Servlet—Cookie(显示用户上次访问时间、显示商品浏览历史)
    request 获取各种路径
    jsp使用servlet实现文件下载
  • 原文地址:https://www.cnblogs.com/wjsshide/p/5560423.html
Copyright © 2011-2022 走看看