原文地址:http://www.oschina.net/question/12_7936
摘要:由于 Hive 采用了 SQL 的查询语言 HQL,因此很容易将 Hive 理解为数据库。其实
从结构上来看,Hive 和数据库除了拥有类似的查询语言,再无类似之处。本文将
从多个方面来阐述 Hive 和数据库的差异。数据库可以用在 Online 的应用中,但是
Hive 是为数据仓库而设计的,清楚这一点,有助于从应用角度理解 Hive 的特性。
Hive 和数据库的比较
查询语言
|
HQL
|
SQL
|
数据存储位置
|
HDFS |
Raw Device 或者 Local FS |
数据格式
|
用户定义 |
系统决定 |
数据更新
|
支持 |
不支持 |
索引
|
无 |
有 |
执行
|
MapRedcue |
Executor |
执行延迟
|
高 |
低 |
可扩展性
|
高 |
低 |
数据规模
|
大 |
小 |
- 查询语言。由于 SQL 被广泛的应用在数据仓库中,因此,专门针对 Hive 的特性设计了类 SQL 的查询语言 HQL。熟悉 SQL 开发的开发者可以很方便的使用 Hive 进行开发。
- 数据存储位置。Hive 是建立在 Hadoop 之上的,所有 Hive 的数据都是存储在 HDFS 中的。而数据库则可以将数据保存在块设备或者本地文件系统中。
- 数据格式。Hive 中没有定义专门的数据格式,数据格式可以由用户指定,用户定义数据格式需要指定三个属性:列分隔符(通常为空格、”\t”、”\x001″)、行分隔符 (”\n”)以及读取文件数据的方法(Hive 中默认有三个文件格式 TextFile,SequenceFile 以及 RCFile)。由于在加载数据的过程中,不需要从用户数据格式到 Hive 定义的数据格式的转换,因此,Hive 在加载的过程中不会对数据本身进行任何修改,而只是将数据内容复制或者移动到相应的 HDFS 目录中。而在数据库中,不同的数据库有不同的存储引擎,定义了自己的数据格式。所有数据都会按照一定的组织存储,因此,数据库加载数据的过程会比较耗时。
- 数据更新。由于 Hive 是针对数据仓库应用设计的,而数据仓库的内容是读多写少的。因此,Hive 中不支持对数据的改写和添加,所有的数据都是在加载的时候中确定好的。而数据库中的数据通常是需要经常进行修改的,因此可以使用 INSERT INTO … VALUES 添加数据,使用 UPDATE … SET 修改数据。
- 索引。之前已经说过,Hive 在加载数据的过程中不会对数据进行任何处理,甚至不会对数据进行扫描,因此也没有对数据中的某些 Key 建立索引。Hive 要访问数据中满足条件的特定值时,需要暴力扫描整个数据,因此访问延迟较高。由于 MapReduce 的引入, Hive 可以并行访问数据,因此即使没有索引,对于大数据量的访问,Hive 仍然可以体现出优势。数据库中,通常会针对一个或者几个列建立索引,因此对于少量的特定条件的数据的访问,数据库可以有很高的效率,较低的延迟。由于数据 的访问延迟较高,决定了 Hive 不适合在线数据查询。
- 执行。Hive 中大多数查询的执行是通过 Hadoop 提供的 MapReduce 来实现的(类似 select * from tbl 的查询不需要 MapReduce)。而数据库通常有自己的执行引擎。
- 执行延迟。之前提到,Hive 在查询数据的时候,由于没有索引,需要扫描整个表,因此延迟较高。另外一个导致 Hive 执行延迟高的因素是 MapReduce 框架。由于 MapReduce 本身具有较高的延迟,因此在利用 MapReduce 执行 Hive 查询时,也会有较高的延迟。相对的,数据库的执行延迟较低。当然,这个低是有条件的,即数据规模较小,当数据规模大到超过数据库的处理能力的时 候,Hive 的并行计算显然能体现出优势。
- 可扩展性。由于 Hive 是建立在 Hadoop 之上的,因此 Hive 的可扩展性是和 Hadoop 的可扩展性是一致的(世界上最大的 Hadoop 集群在 Yahoo!,2009年的规模在 4000 台节点左右)。而数据库由于 ACID 语义的严格限制,扩展行非常有限。目前最先进的并行数据库 Oracle 在理论上的扩展能力也只有 100 台左右。
- 数据规模。由于 Hive 建立在集群上并可以利用 MapReduce 进行并行计算,因此可以支持很大规模的数据;对应的,数据库可以支持的数据规模较小。
分享到:
相关推荐
**Hive与普通关系数据库的异同** 尽管Hive基于Hadoop和分布式文件系统,它的元数据组织方式与传统RDBMS类似。像PostgreSQL这样的系统也公开了类似的元数据ID,而Oracle等商业数据库则更倾向于隐藏这些细节。元数据...
本文将深入探讨Hive元数据库的原理和功能,以及与传统关系数据库的异同。 首先,Hive的元数据存储在RDBMS(关系数据库管理系统)中,如MySQL和DERBY。MySQL由于其稳定性和强大的性能,常被用作生产环境的元数据库。...
《Hive与普通关系数据库的异同》 在大数据领域,Hive作为一款基于Hadoop的数据仓库工具,因其高效的数据处理能力和对SQL的兼容性,成为数据分析师和工程师的重要选择。然而,与传统的关系型数据库相比,Hive有着...
《Hive与普通关系数据库的异同》 Hive与普通关系数据库,如MySQL、Oracle等,在设计理念、功能特性和应用场景上存在着显著的差异。以下将详细解析它们之间的主要区别。 1. **查询语言**: Hive采用了类SQL的查询...
1.3 Hive 和普通关系数据库的异同 - **相同点**:都提供数据存储和查询功能。 - **不同点**:Hive 更侧重于离线批处理,而传统数据库适用于在线事务处理;Hive 对实时查询支持较差,适合大规模数据仓库。 1.4 ...
Hive和普通关系数据库的异同 Hive和普通关系数据库的最大区别在于数据存储方式。普通关系数据库使用磁盘存储数据,而Hive使用Hadoop的分布式文件系统(HDFS)来存储数据。同时,Hive也提供了类似于关系数据库的SQL...
3. Hive和普通关系数据库的异同 Hive和普通关系数据库的主要区别在于数据存储和查询方式。普通关系数据库一般使用B-tree索引来存储数据,而Hive使用HDFS来存储数据。普通关系数据库使用SQL语句来查询数据,而Hive...
1.3 Hive和普通关系数据库的异同 Hive和普通关系数据库有很多相似之处,但也存在一些差异。Hive是基于Hadoop的数据仓库工具,支持大规模数据的存储和处理,而普通关系数据库通常用于小规模数据的存储和处理。同时,...
本文档是关于Hive学习笔记的整理,涵盖了Hive的架构、Hive和Hadoop的关系、Hive和普通关系数据库的异同、Hive的元数据库、Hive数据存储、Hive的基本操作等知识点。 1. HIVE结构 Hive的架构主要包括三个部分:用户...
- **异同**:Hive与传统RDBMS的主要区别在于Hive不支持实时查询和事务处理,更适合批处理和离线分析。它的设计目标是处理大规模数据集,而RDBMS更适合处理小到中等规模的数据,且对实时性和事务性有较高要求。然而...
1.3 Hive 和普通关系数据库的异同 8 1.4 HIVE元数据库 9 1.4.1 DERBY 9 1.4.2 Mysql 10 1.5 HIVE的数据存储 11 1.6 其它HIVE操作 11 2. HIVE 基本操作 12 2.1 create table 12 2.1.1 总述 12 2.1.2 语法 12 2.1.3 ...
1.3 Hive 和普通关系数据库的异同 Hive类似于传统的关系数据库,支持SQL查询,但并不像传统数据库那样提供实时查询和事务处理。Hive更适用于批处理分析,适合处理大量静态数据。 1.4 HIVE 元数据库 元数据库存储...
**1.3 Hive与传统关系型数据库的异同** - **相同点**:Hive支持SQL风格的查询语言,使得熟悉SQL的用户能够快速上手。 - **不同点**:与传统的RDBMS相比,Hive的数据模型更加面向批处理,不支持事务处理,也没有行级...
3. **Hive与普通关系数据库的异同** Hive虽然提供了类似SQL的查询语言,但它并不像传统的关系型数据库那样支持实时查询和事务处理。Hive更适合批处理分析,其数据更新和删除操作相对复杂。此外,Hive的性能取决于...
4. **Hive和普通关系数据库的异同** Hive类似于关系数据库,支持创建表、查询数据等操作,但不支持事务和ACID属性。它适合批处理查询,而非实时查询。Hive的数据延迟较高,因为每次查询都需要转换成MapReduce任务...
3. **Hive与普通关系数据库的异同** Hive类似于关系数据库,因为它支持SQL查询,但也有显著区别。例如,Hive的查询执行是延迟的,只有在真正需要结果时才运行MapReduce任务;此外,Hive不支持事务,对于数据更新和...
### Hive与传统关系数据库的异同 - **查询语言**:Hive使用类SQL的HQL查询语言,便于SQL开发者使用。 - **数据存储位置**:Hive的数据存储在HDFS上,与传统数据库存储在块设备或本地文件系统不同。 - **数据格式**...