Difference between revisions of "Hadoop: Hive untuk Query SQL"

From OnnoWiki
Jump to navigation Jump to search
 
Line 23: Line 23:
 
|}
 
|}
  
==How Hive Works==
+
==Bagaimana Hive Bekerja?==
 
 
The tables in Hive are similar to tables in a relational database, and data units are organized in a taxonomy from larger to more granular units. Databases are comprised of tables, which are made up of partitions. Data can be accessed via a simple query language and Hive supports overwriting or appending data.
 
 
 
Within a particular database, data in the tables is serialized and each table has a corresponding Hadoop Distributed File System (HDFS) directory. Each table can be sub-divided into partitions that determine how data is distributed within sub-directories of the table directory. Data within partitions can be further broken down into buckets.
 
 
 
Hive supports all the common primitive data formats such as BIGINT, BINARY, BOOLEAN, CHAR, DECIMAL, DOUBLE, FLOAT, INT, SMALLINT, STRING, TIMESTAMP, and TINYINT. In addition, analysts can combine primitive data types to form complex data types, such as structs, maps and arrays.
 
 
 
 
 
 
 
 
 
 
 
  
 +
Tabel di Hive mirip dengan tabel dalam database relasional, dan unit data yang diatur dalam taksonomi dari yang lebih besar untuk unit yang lebih rinci. Database terdiri dari tabel, yang dibangun dari partisi. Data dapat diakses melalui bahasa query sederhana dan Hive mendukung overwriting atau menambahkan data.
 +
Dalam database tertentu, data dalam tabel di-serial-kan dan masing-masing tabel memiliki direktori yang sesuai Hadoop Distributed File System (HDFS). Setiap tabel dapat dibagi menjadi partisi yang menentukan bagaimana data didistribusikan dalam sub-direktori dari direktori tabel. Data dalam partisi dapat lebih lanjut dipecah menjadi bucket.
  
 +
Hive mendukung semua format umum data primitif seperti BIGINT, BINARY, BOOLEAN, CHAR, DECIMAL, DOUBLE, FLOAT, INT, SMALLINT, STRING, TIMESTAMP, dan TINYINT. Selain itu, analis dapat menggabungkan tipe data primitif untuk membentuk tipe data yang kompleks, seperti struct, maps dan array.
  
 
==Referensi==
 
==Referensi==
  
 
* http://hortonworks.com/hadoop/hive/
 
* http://hortonworks.com/hadoop/hive/

Latest revision as of 08:01, 14 November 2015

Sumber: http://hortonworks.com/hadoop/hive/

Apakah Hive

Hadoop dibangun untuk mengatur dan menyimpan sejumlah besar data dari berbagai bentuk, ukuran dan format. Karena arsitektur Hadoop "schema on read" arsitektur, cluster Hadoop adalah reservoir sempurna data-terstruktur dan tidak terstruktur-dari banyak sumber yang heterogen.

Analis data yang menggunakan Hive untuk mengeksplorasi, struktur dan menganalisis data itu, lalu mengubahnya menjadi wawasan bisnis yang dapat ditindaklanjuti.

Keuntungan menggunakan Hive untuk enterprise SQL di Hadoop:

Fitur Penjelasan
Familiar Query data dengan bahasa berbasis SQL
Cepat Waktu responds interaktif yang cepat, walaupun dengan dataset yang besar
Scalable dan Extensible Karena variasi data dan volume data akan berkembang, mesin (komoditas) dapat di tambah, tanpa pengurangan performance.

Bagaimana Hive Bekerja?

Tabel di Hive mirip dengan tabel dalam database relasional, dan unit data yang diatur dalam taksonomi dari yang lebih besar untuk unit yang lebih rinci. Database terdiri dari tabel, yang dibangun dari partisi. Data dapat diakses melalui bahasa query sederhana dan Hive mendukung overwriting atau menambahkan data. Dalam database tertentu, data dalam tabel di-serial-kan dan masing-masing tabel memiliki direktori yang sesuai Hadoop Distributed File System (HDFS). Setiap tabel dapat dibagi menjadi partisi yang menentukan bagaimana data didistribusikan dalam sub-direktori dari direktori tabel. Data dalam partisi dapat lebih lanjut dipecah menjadi bucket.

Hive mendukung semua format umum data primitif seperti BIGINT, BINARY, BOOLEAN, CHAR, DECIMAL, DOUBLE, FLOAT, INT, SMALLINT, STRING, TIMESTAMP, dan TINYINT. Selain itu, analis dapat menggabungkan tipe data primitif untuk membentuk tipe data yang kompleks, seperti struct, maps dan array.

Referensi