> 本文结构采用宏观着眼,微观入手,从整体到细节的方式剖析 Hive SQL 底层原理。第一节先介绍 Hive 底层的整体执行流程,然后第二节介绍执行流程中的 SQL 编译成 MapReduce 的过程,第三节剖析 SQL 编译成 MapReduce 的具体实现原理。### 一、HiveHive是什么?Hive 是数据仓库工具,再具体点就是一个 SQL 解析引擎,因为它即不负责存储数据,也不负责计算数据,只负责解析 SQL,记录元数据。Hive直接访问存储在 HDFS 中或者 HBase ...
## 前言我们不管是基于 Hadoop 的数据仓库(如 Hive ),还是基于传统 MPP 架构的数据仓库(如Teradata ),抑或是基于传统 Oracle 、MySQL 、MS SQL Server 关系型数据库的数据仓库,其实都面临如下问题:- 怎么组织数... 也为我们后面讲Hadoop 数据仓库实战打下基础。## 维度建模关键概念### 度量和环境维度建模是支持对业务过程的分析,所以它是通过对业务过程度量进行建模来实现的。> **那么,什么是度量呢?**实际上,我们通过...
易扩展,容错率高## HDFS 在字节跳动的发展字节跳动已经应用 HDFS 非常长的时间了。经历了 9 年的发展,目前已直接支持了十多种数据平台,间接支持了上百种业务发展。从集群规模和数据量来说,HDFS 平台在公司内部已经成长为总数十万台级别服务器的大平台,支持了 10 EB 级别的数据量。**当前在字节跳动,** **HDFS** **承载的主要业务如下:**- Hive,HBase,日志服务,Kafka 数据存储 - Yarn,Flink 的计算框架平台数据 -...
平台从 Hive 、Hbase 、关系型数据库等大数据 ODS ( Operational Data store ) 层进行快速的数据 ETL ,将数据抽取到特征平台进行管理,并统一了数据出口,供数据科学家、数据工程师、机器学习工程师做算法模型的数据... # 实战部署这边只演示 k8s native部署模式,Standalone 部署需要手动去提前创建 ConfigMap、Service、JobManager Deployment、TaskManager Deployment 等比较麻烦。## 4.1 K8s 集群K8s >= 1.9 or MinikubeK...
本文为您介绍 2023 年大数据研发治理套件 DataLeap 产品功能和对应的文档动态。 2023/12/21序号 功能 功能描述 使用文档 1 数据集成 ByteHouse CDW 离线写入时,支持写入动态分区; HBase 数据源支持火山引擎 ... 修改项目配置信息 独享资源组管理 3 数据质量 数据质量双数据源校验支持 Hive 数据源,用于验证任意两种数据源之间的数据是否一致。 配置双数据源校验规则 2023/11/27序号 功能 功能描述 使用文档 1 数据...
查看服务概述信息在集群详情页,点击 服务列表 查看已开通的服务,并选择需要查看概述信息的服务,单击 服务名称 进入服务详情。 在 服务概述 页面会展示该服务的运行情况的概述信息,概述信息分为文字指标信息和图表指标信息两种。(服务概述功能现支持以下服务:HDFS、Hive、YARN、HBase、Kafka、Presto、Trino、Ranger) 文字指标显示服务组件此刻的状态。 图表指标显示服务组件在过去一段时间内的状态,点击可切换查看信息的时间段...
> 企业级数仓架构设计与选型的时候需要从开发的便利性、生态、解耦程度、性能、 安全这几个纬度思考。本文作者:惊帆 来自于数据平台 EMR 团队# 前言Apache Hive 经过多年的发展,目前基本已经成了业界构建超大规... MapReduce 和 HBase,形成了早期 Hadoop 的三大利器。然而这三大利器更聚焦在异构数据的信息提取处理上,没有提供对结构化数据很友好的类似 SQL 语法的分析入口,同时在编程态的支撑也不够友好,只有 Map 和 Reduce ...
迁移工具:提供 Hadoop HDFS / Hive 迁移工具,加速 Hadoop 平滑迁移,保质保量。 - 查询分析:增强“SQL 编辑器”能力,智能补全包含库表联想、关键字填充、子句自动输入、语法自动识别等能力。- **【** **私有化 2.0 上线** **】** - 更加面向 Hadoop 开源生态 - 本次迭代统一管控了 Hadoop、HBase、Kafka、Hive、OpenSearch、Tez、Kerberos、ZooKeeper,元数据配置上新增了 Hive Meta 支持集...
目前支持的集群类型和服务如下表所示: 分析场景 集群类型 服务 默认启用 Ranger 鉴权 数据湖 Hadoop HDFS ✅ YARN ✅ Hive ✅ Spark ✅ Presto Trino 实时计算 Kafka Kafka ✅ 交互式分析 Presto HDFS Hive Presto ✅ Trino HDFS Hive Trino ✅ NoSQL 数据库 HBase HDFS HBase ✅ 2 使用限制为保证权限管理模块功能的正常使用,您需要在集群的安全组中为 100.64.0.0/10 IP 段开放 8080 端口。操作详见添加安全组访问规则...
接触数据库Hive后,学习数据流技术Kafka和分布式协调服务Zookeeper。深入研究Yarn和求执行引擎Spark。此外还了解其他技术如HBase、Sqoop等。同时学习计算机网络知识和操作系统原理。后面再系统学习关系数据库MySQL和数据仓库理论。学习分布式原理和架构也很重要。这个学习顺序参考了我之前的工作和学习经历情况后订定。需要注意,大数据领域的技术很多很广,如Flink也值得研究。本人给出的仅作为一个参考案例,学习者还需结合实际情...
DataX 是开源的一个异构数据源离线同步工具,致力于实现包括关系型数据库(MySQL、Oracle 等)、HDFS、Hive、ODPS、HBase、FTP 等各种异构数据源之间稳定高效的数据同步功能。DataX 作为数据同步框架,它将不同数据源的同步抽象为从源头数据源读取数据的 Reader 插件,以及向目标端写入数据的 Writer 插件,使用 DataX 框架可以支持多种数据源类型的数据互通同步工作。详见:https://github.com/alibaba/DataX本文将为您介绍在火山引擎大...
HBase 的必选组件;Impala、Kudu、ClickHouse、Doris、StarRocks 等服务的核心指标接入监控和告警管理;HBase 中的表支持 Snappy 压缩;Hive,组件行为与开源保持一致,不再支持中文的表字段名;Doris,版本升级至1.1.5;H... 解读字节跳动万亿级数据** **中台** **实战**- **议题二:轻松管数,一站式** **数据治理** **助力企业数字化升级**- **议题三:如何算数?计算引擎提速,** **ByteHouse** **实时计算能力升级**- **议题四:...
环境信息版本 环境 OS veLinux(Debian 10兼容版) Python2 2.7.16 Python3 3.10.13 Java ByteOpenJDK 1.8.0_352 系统环境应用程序版本 Hadoop集群 Flink集群 Kafka集群 Pulsar集群 Presto集群 Trino集群 HBase集群 Doris集群 StarRocks集群 HDFS 3.3.4 3.3.4 - - 3.3.4 3.3.4 3.3.4 - - YARN 3.3.4 3.3.4 - - - - 3.3.4 - - MapReduce2 3.3.4 3.3.4 - - - - 3.3.4 - - Hive 3.1.3 - - - 3.1.3 3.1.3 - - - Spark 3.5.1 - - - - - ...