具体总结 Hive VS 传统关系型数据库

本文思路,看图说话,一张图,清晰总结二者差别

具体总结  Hive VS 传统关系型数据库

以下对图中的各条做具体总结

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 中未定义专门的数据格式,数据格式能够由用户指定,用户定义数据格式须要指定三个属性: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)。

因为在载入数据的过程中,不须要从用户数据格式到 Hive 定义的数据格式的转换,因此,Hive 在载入的过程中不会对数据本身进行不论什么改动,而仅仅是将数据内容复制或者移动到对应的 HDFS 文件夹中。

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。全部数据都会依照一定的组织存储,因此,数据库载入数据的过程会比較耗时。

4、数据更新

Hive:因为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加入�,全部的数据都是在载入的时候就已经确定好的。

数据库:数据库数据一般是须要常常进行改动的,因此能够使用
INSERT INTO ... VALUES 加入�数据,使用UPDATE ... SET 改动数据。

5、索引

Hive:之前已经说过,Hive
在载入数据的过程中不会对数据进行不论什么处理,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 要訪问数据中满足条件的特定值时,须要暴力扫描整个数据,因此訪问延迟较高。因为 MapReduce 的引入, Hive 能够并行訪问数据,因此即使没有索引,对于大数据量的訪问,Hive 仍然能够体现出优势。

数据库:数据库中,一般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訪问,数据库能够有非常高的效率,较低的延迟。因为数据的訪问延迟较高,决定了Hive不适合在线数据查询。

6、运行

Hive:Hive 中大多数查询的运行是通过 Hadoop 提供的 MapReduce 来实现的(类似
select *from tbl 的查询不须要MapReduce)。

数据库:数据库通常有自己的运行引擎。

7、  运行延迟

Hive:之前提到,Hive 在查询数据的时候,因为没有索引,须要扫描整个表,因此延迟较高。另外一个导致 Hive 运行延迟高的因素是 MapReduce 框架。因为
MapReduce 本身具有较高的延迟,因此在利用 MapReduce 运行 Hive 查询时,也会有较高的延迟。

数据库:相对的,数据库的运行延迟较低。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:因为 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:而数据库因为ACID 语义的严格限制,扩展行很有限。眼下最先进的并行数据库
Oracle 在理论上的扩展能力也仅仅有 100 台左右。

9、数据规模

Hive:因为 Hive 建立在集群上并能够利用 MapReduce 进行并行计算,因此能够支持非常大规模的数据。

数据库:相应的,数据库能够支持的数据规模较小。

上一篇:《sed的流艺术之一》-linux命令五分钟系列之二十一


下一篇:08. Web大前端时代之:HTML5+CSS3入门系列~H5 Web存储