0
点赞
收藏
分享

微信扫一扫

Hive与传统数据仓库的比较

Ewall_熊猫 2022-01-04 阅读 57

 知识的整理。

Hive

数据仓库

存储

HDFS,理论上有无限拓展的可能。

集群存储,存在容量上线。伴随容量上升,分析性能下降,只能适用于数据量比较小的商业应用,对于超大规模的数据无能为力。

执行引擎

依赖于MapReduce框架,可进行的各类优化比较少,但是比较简单。

可以执行更加高效的算法,也可以进行更多的优化措施来提高速度。

使用方法

HQL

SQL

索引

低效,目前尚不完善。

高效。

灵活性

元数据存储于独立的数据存储之外,从而解耦合元数据和数据,同样的数据,不同的用户可以有不同的元数据,可以进行不同的操作。

低,数据用途单一。

分析速度

计算依赖于MapReduce和集群规模,易于拓展,在大数据量的情况下,远远快于普通数据仓库。

在数据容量较小时非常快捷,数据量比较大时,新歌能急剧下降。

易用性

需要自行开发应用模型,灵活性高,但是易用性较低。

继承一整套成熟的报表解决方案,可以较为方便的进行数据的分析。

可靠性

数据存储在HDFS,可靠性高,容错性高。

可靠性低。一次查询失败需要重新开始。数据容错依赖于硬件Raid。

依赖环境

依赖硬件较低,可适应一般的普通机器。

依赖于高性能的商业服务器。

价格

开源。

商业比较贵。开源比较低。

举报

相关推荐

0 条评论