1. 首页
  2. 数据分析

【平台】详细总结 Hive VS 传统关系型数据库

本文思路,看图说话,一张图,清晰总结二者区别
【平台】详细总结 Hive VS 传统关系型数据库

下面对图中的各条做详细总结
1
查询语言
不做赘述
2
数据存储位置
不做赘述
3
数据格式
Hive: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。
数据库: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。
4
数据更新
Hive: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就已经确定好的。
数据库:数据库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。
5
索引
Hive: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: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
6
执行
Hive: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)。
数据库:数据库通常有自己的执行引擎。
7
执行延迟
Hive: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。
数据库: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。
8
可扩展性
Hive: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)。
数据库: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。
9
数据规模
Hive: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。
数据库:对应的,数据库可以支持的数据规模较小。
来源:CSDN
【平台】详细总结 Hive VS 传统关系型数据库
PPV课专供稿 未经允许禁止转载

原文始发于微信公众号(PPV课数据科学社区):【平台】详细总结 Hive VS 传统关系型数据库

原创文章,作者:ppvke,如若转载,请注明出处:http://www.ppvke.com/archives/14041

联系我们

4000-51-9191

在线咨询:点击这里给我发消息

工作时间:周一至周五,9:30-18:30,节假日休息