Hive是一個數據倉庫基礎工具，它是建立在Hadoop之上的數據倉庫，在某種程度上可以把它看做用戶編程接口（API），本身也并不存儲和處理數據，依賴于HDFS存儲數據，依賴MR處理數據。它提供了一系列對數據進行提取、轉換、加載的工具。依賴于HDFS存儲數據，依賴MR處理數據。

1

Q：Hive和傳統數據庫有什么不同?各有什么試用場景。

A：1、數據存儲位置。Hive是建立在Hadoop之上的，所有的Hive的數據都是存儲在HDFS中的。而數據庫則可以將數據保存在塊設備或本地文件系統中。

2、數據格式。Hive中沒有定義專門的數據格式，由用戶指定，需要指定三個屬性：列分隔符，行分隔符，以及讀取文件數據的方法。數據庫中，存儲引擎定義了自己的數據格式。所有數據都會按照一定的組織存儲。

3、數據更新。Hive的內容是讀多寫少的，因此，不支持對數據的改寫和刪除，數據都在加載的時候中確定好的。數據庫中的數據通常是需要經常進行修改。

4、執行延遲。Hive在查詢數據的時候，需要掃描整個表(或分區)，因此延遲較高，只有在處理大數據是才有優勢。數據庫在處理小數據是執行延遲較低。

5、索引。Hive沒有，數據庫有

6、執行。Hive是MapReduce，數據庫是Executor

7、可擴展性。Hive高，數據庫低

8、數據規模。Hive大，數據庫

2

Q：Hive有哪些應用場景？

A：1、Data Ingestion (數據攝取)

2、Data Discovery(數據發現)

3、Data analytics(數據分析)

4、Data Visualization & Collaboration(數據可視化和協同開發)

3

Q：大數據分析與挖掘方法論是哪六步活動？

A：大數據分析與挖掘方法論被稱為CRISP-DM方法，是以數據為中心迭代循環進行的六步活動，它們分別是：商業理解、數據理解、數據準備、建立模型、模型評估、結果部署。

4

Q:數據分析挖掘方法大致包含哪些組成部分？

A：1.分類 Classification

2.估計Estimation

3.預測Prediction

4. 關聯規則Association Rules

5. 聚類Cluster

6. 描述與可視化Description and Visualization

5

Q：在數據分析與挖掘中對數據的訪問性有哪些要求？

A：交互性訪問、批處理訪問、迭代計算、數據查詢，Hadoop僅僅支持了其中批處理訪問，而Spark則支持所有4種方式

福利

掃描添加小編微信，備注“姓名+公司職位”，加入【云計算學習交流群】，和志同道合的朋友們共同打卡學習！

推薦閱讀：

• 微博宕機復盤：什么樣的技術架構，可支持80個明星并發出軌？

• 漫畫 | Kubernetes帶你一帆風順去遠航

• Android 告急！

• 超酷炫！Facebook用深度學習和弱監督學習繪制全球精準道路圖

• 多地GitHub賬號使用受限；Python之父考慮重構解釋器；62歲程序員埋邏輯炸彈 | 開發者周刊

• 3個核心差異, 告訴你為什么Libra永遠成不了比特幣！
  

  
  

真香，朕在看了！ 創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的Hive精华问答 | Hive和传统数据库有什么不同?的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。