文档章节

跟小菜一起学大数据之工具篇(一)

小仙女的老苞米
 小仙女的老苞米
发布于 2017/08/30 21:02
字数 1409
阅读 14
收藏 1

        首先申明一点,小菜并非大神,只是一个刚入门大数据的菜鸟在这里跟大家分享一下学习心得,也算是对自己学习的一种总结,对于文章中的错误之处,欢迎大家指正。

        工欲善其事,必先利其器,想学好大数据那就必然现要学会一些基本的大数据工具,这一些列着重分享一些小菜在学习过程中的一些心得与体会。本篇作为开篇作今天先分享一下在大数据平台下最常用的两个工具,即Hbase与Hive。很多人可能会想学大数据一开始为什么不学Hadoop平台搭建与使用,或者HDFS的使用,小菜的想法是Hadoop与HDFS想一下深入理解没那么容易,所以先从偏应用的开始谈起,待循序渐进熟悉了之后再回过头来聊聊Hadoop,聊聊HDFS会更好理解一些。废话不多说,开始聊正事。  ​    ​
    ​   首先先看一下Hbase,HBase是一个分布式的、面向列的开源数据库。他不同于一般的关系数据库,它是一个适合于非结构化数据存储的数据库。另一个不同的是HBase基于列的而不是基于行的模式。很多人不太理解什么叫基于列而不是基于行的。这里举个例子说明一下,像通常的关系型数据库就是典型的行模式,一张表创建后列是固定的(不考虑修改的情况,这里只说在表的应用期间),但对于行,是可以随意增减的。而对于Hbase来说,他的存储是基于列的,也就说他的列是不固定的,每一条数据只是单纯的以rowkey做为唯一标识。任意一条数据写入的时候需要哪些列就将数据值与列对应清楚即可(具体写法会在后续讲到),而这么做除了可以很方便的对表结构进行扩展外还有一个更大的好处就是可以节省存储空间,由于他的这种存储结构导致他的每一条数据列数可以是不一样的,举个形象化的例子就是在传统关系型数据库中,每一行的数据列是固定,哪怕有些数据的某几列是空的,但这一列还是要存储下来,占用一定的存储空间,而对于hbase由于他的列是不固定的,这样当某条数据的某列值为空时,该列压根就不会存储下来,这样就可以大大的节省空间并且同时提高了数据读取的性能。

    ​    ​ 接着说一下Hbase的逻辑结构,对于初级使用者来说基本清楚rowkey和列簇,列这几个概念就可以了,至于时间戳和cell在初期几乎用不到。所谓rowkey也就是传统关系型数据库中的主键,每一条数据都会对于一个唯一的rowkey。每一张hbase表可以对应多个列簇(考虑到性能问题经验数据建议普通hbase表最多建不超过三个列簇),每一个列簇可以对应多个列。每一列的对于列赋值包括引用时都需要指定列簇名和列名,即:put(列簇名,列名,value) 即可。

为了便于理解Hbase基于列的设计理念,这里举一个形象化的数据结构

从图中可以很明显的看出对于Hbase来说,1、列是可以随意扩展 2、每一行数据的列可以是不同的。小菜以为,这便是Hbase的核心思想所在。

    ​   接着聊一下Hive,hive是基于Hadoop的一个数据仓库工具,也可以近似的理解为一个基于Hadoop的ETL工具。他可以将存储在hdfs上面的结构化数据文件映射为一张数据库表,也可以自己创建新表并写入数据,但他自己本身并不存储数据,只是提供一个逻辑关系,真正的数据存储在hdfs上面。他最大的优势是提供简单的sql查询功能,并可以将传统的sql语句转换为MapReduce任务进行运行。 也就是对于只熟悉sql但是对map-reduce开发并不十分熟的人可以利用它在大数据平台上做一些ETL即统计分析。有点需要说明,在传统的ETL过程中会涉及到一些比较复杂清洗工作,在hive上涉及到比较复杂的清洗转换时同样可以做,这里就要顺便介绍一下UDF函数了。

    ​   UDF函数可以直接应用于select语句,对查询结构做格式化处理输出内容,自定义UDF需要继承org.apache.Hadoop.Hive.ql.UDF,实现evaluate函数(相当于重写evaluate函数)。简单的讲udf函数就是一种可以直接在hql(hive上的sql)上用的轻量级函数,在函数内部可以定义一些清洗或者转换的方法从而间接的对数据的清洗与转换。

© 著作权归作者所有

共有 人打赏支持
小仙女的老苞米
粉丝 8
博文 4
码字总数 4846
作品 0
青岛
如何搭建高效率的生鲜 B2B 平台(B2B 技术共享第一篇)

很开心在这里和大家交流,我们是一群生鲜B2B的创业者,在生鲜领域创业三年多;我们也是一群工程师,致力于通过互联网产品和技术让我们的农业更轻松更健康,我们是来自宋小菜的产品技术团队,...

Scott
06/11
0
0
零基础自学人工智能,看这些资料就够了(300G资料免费送)

为什么有今天这篇? 首先,标题不要太相信,哈哈哈。 本公众号之前已经就人工智能学习的路径、学习方法、经典学习视频等做过完整说明。但是鉴于每个人的基础不同,可能需要额外的学习资料进行...

经济与编程
前天
0
0
大数据、人工智能的出现给每个人造成的影响居然那么大!这是程序员的福音......

《人类简史》作者尤瓦尔·赫拉利说:“人类从来没有做过什么自由的选择,你听从内心想法做出的一切选择,都是经过生物计算输出的结果。” 找对象,看大数据 我们往往在做出决定的时候都会在大...

uzv80px5v412ne
2017/12/27
0
0
当大多数人对Vue理解到炉火纯青的时候,你应该思考怎么让vue页面骚气起来

写在前面 当大多数人Vue理解的炉火纯青的时候,你应该思考怎么让vue页面骚气起来,下面就我个人在接触Vue两年的时间里,在实际工作中门户网站在前端页面交互应用和技巧,炒几道“小菜”给大家...

codercao
08/16
0
0
C语言编程学习程序解析:控制语句之学习前言

C语言是面向过程的,而C++是面向对象的 C和C++的区别: C是一个结构化语言,它的重点在于算法和数据结构。C程序的设计首要考虑的是如何通过一个过程,对输入(或环境条件)进行运算处理得到...

小辰带你看世界
05/27
0
0

没有更多内容

加载失败,请刷新页面

加载更多

下一页

7 个致命的 Linux 命令

导读 如果你是一个 Linux 新手,在好奇心的驱使下,可能会去尝试从各个渠道获得的命令。以下是 7 个致命的 Linux 命令,轻则使你的数据造成丢失,重则使你的系统造成瘫痪,所以,你应当竭力避...

问题终结者
昨天
0
0
设计模式:工厂方法模式(工厂模式)

工厂方法模式才是真正的工厂模式,前面讲到的静态工厂模式实际上不能说是一种真正意义上的设计模式,只是一种变成习惯。 工厂方法的类图: 这里面涉及到四个种类: 1、抽象产品: Product 2、...

京一
昨天
0
0
区块链和数据库,技术到底有何区别?

关于数据库和区块链,总会有很多的困惑。区块链其实是一种数据库,因为他是数字账本,并且在区块的数据结构上存储信息。数据库中存储信息的结构被称为表格。但是,区块链是数据库,数据库可不...

HiBlock
昨天
0
0
react native 开发碰到的问题

react-navigation v2 问题 问题: static navigationOptions = ({navigation, navigationOptions}) => ({ headerTitle: ( <Text style={{color:"#fff"}}>我的</Text> ), headerRight: ( <View......

罗培海
昨天
0
0
Mac Docker安装流程

久仰Docker大名已久,于是今天趁着有空,尝试了一下Docker 先是从docker的官网上下载下来mac版本的docker安装包,安装很简易,就直接拖图标就好了。 https://www.docker.com/products/docker...

writeademo
昨天
0
0

没有更多内容

加载失败,请刷新页面

加载更多

下一页

返回顶部
顶部