20，1202，Da 数据三个核心技术:取数据，算数据，卖数据！“Big 数据”的由来给了“大数据”研究机构Gartner这样的定义 。Hive适合长期批量查询分析，Impala适合实时交互式SQL查询，Impala为数据 staff提供了一个快速实验来验证这个想法，可以先用Hive，然后用黑斑羚在处理过的蜂巢数据上做一个快速分析的 。
1、SparkSQL(十Hive是目前数据领域事实上的SQL标准 。它的底层默认是基于MapReduce的，但是由于MapReduce的速度比较慢，近年来新的SQL查询引擎层出不穷，包括SparkSQL、HiveOnTez、HiveOnSpark等等 。SparkSQL不同于HiveOnSpark 。SparkSQL是一个基于Spark计算引擎的查询引擎，由Spark自己开发，可以用来查询各种数据源，包括Hive、JSON、Parquet、JDBC和RDD 。
文章2、一文看懂大 数据的技术生态圈了解到数据是一个非常宽泛的概念，Hadoop生态系统(或泛生态系统)基本上就是为了应对数据而生的，超出了单机的规模 。你可以把它比作厨房需要的各种工具 。锅碗瓢盆各有用途，相互重叠 。可以直接从汤锅里喝汤吃，也可以用刀或者刨削 。但是每个工具都有自己的特点 。虽然奇怪的组合可以工作 ， 但它们可能不是最佳选择 。
传统的文件系统是独立的，不能跨越不同的机器 。HDFS(HadoopDistributed)是为大量数据设计的，可以跨越数百台机器，但是你看到的是一个文件系统，而不是很多文件系统 。比如你说我要获取/hdfs/tmp/file1的数据 of，你指的是一个文件路径，但实际的数据是存储在很多不同的机器上 。作为用户 ， 你不需要知道这些，就像你不关心文件分散在单台机器的什么磁道和扇区一样 。
3、好玩的大 数据之18:Hive实验1(使用loaddata导入 数据到外部表和内部表...【大数据hive分析2000字,hive适合处理大数据量的处理和分析】hivecreatetableifnotexists ` test _ 01 `( ` id ` int ， ` name`String，` age`INT，` score ` float)rowformatdelimitedfieldterminatedby ， STOREDASTEXT`test_02`(`id`int，` name`String，
scorefloatrowformatdefinitedfieldterminedby ， storestext 如下:1，张，20，1202，赵 ， 19，1193 ， 钱，18，1184，李，21，121 vi/ 。
4、一份难得的 数据库市场 分析报告directory数据图书馆分类维度:关系型/非关系型、事务型/分析NoSQL数据图书馆OLTP市场规模的进一步分类:关系型数据图书馆尚 。图书馆市场份额:云服务和新兴厂商主导NoSQL开源数据图书馆vs .商业数据图书馆数据图书馆三大阵营:传统厂商和云服务提供商 。最近由于时间原因，写的比较少 ， 在微信官方账号-转载了几篇 。都说我是个业余爱好者 ， 没有资格做这方面的评判 。看到下面这篇报道，我立刻产生了学习的兴趣 ， 同时也想分享一些我能理解的想法 。
推荐阅读
- 可可学霸
- 数据挖掘 统计分析,基于r的统计分析与数据挖掘.pdf
- 学生表字段构成分析
- zemax 分析,ZEMAX分析投射成像与反射成像优缺点
- 三菱重工海尔空调
- 回归分析中要求
- arcgis中相交分析
- 茴子白
- ip地址查询方法