Practical Hive
Andreas François Vermeulen, Ankur Gupta, David Kjerrumgaard, Scott Shaw
- Editorial
- Apress
- Año
- 2016
- Páginas
- ~265
- Nivel
- Intermedio
De qué trata
Tratado técnico exhaustivo de Andreas François Vermeulen, Ankur Gupta, David Kjerrumgaard y Scott Shaw sobre Apache Hive, el almacén de datos (Data Warehouse) distribuido sobre Hadoop.
Los autores analizan el lenguaje HiveQL, la arquitectura del metastore, el diseño de esquemas (tablas internas vs externas), particionamiento y bucketing de datos para optimizar lecturas, y los motores de ejecución MapReduce y Apache Tez. Dedica capítulos clave a formatos de almacenamiento columnar de alto rendimiento como ORC y Parquet con compresión Snappy.
Indispensable para ingenieros de Big Data y administradores de lagos de datos que gestionan consultas analíticas SQL a gran escala.
- Apache Hive
- HiveQL
- Hadoop
- ORC
- Parquet
- Apache Tez
- Metastore
- Data Warehousing
¿Cómo enseña?
Teoría + práctica
- ✓ Incluye ejercicios
- ✓ Incluye proyectos
Proyectos
Data Warehouse analítico optimizado con Hive y formato ORC
Diseño de un esquema dimensional con particionamiento por fecha y bucketing por cliente, optimizado para consultas rápidas sobre clúster Hadoop.
