走近大数据之Hive入门（一、概述）

一、数据仓库

数据仓库是一个面向主题的、集成的、不可更新的、随时间不变化的数据集合，它用于支持企业或组织的决策分析处理。

 

OLTP应用：联机事务处理，关注的是事物的处理，典型的OLTP应用是银行转账，一般操作频率会比较高；

OLAP应用：联机分析处理，主要面向的是查询，典型的OLAP应用是商品推荐系统，一般不会做删除和更新，数据一般都是历史数据。

 

数据仓库中的数据模型：星型模型和雪花模型。星型模型是数据仓库最基本的数据模型，雪花模型是在星型模型的基础上发展起来的。

 

二、什么是Hive

Hive 中的数据存储在 Hadoop HDFS 中，Hive 中的表和数据其实就是 HDFS 中的目录和文件：

在 Hive 中创建一张表就会自动在 HDFS 中创建一个文件夹。Hive表==>HDFS目录

在该表中保存数据也就相当于在这个文件夹下面存储文件。Hive数据==>HDFS文件

可以在 hive-site.xml 中指定数据仓库的目录：hive.metastore.warehouse.dir

 

 

注意

问题一：怎么理解数据仓库不可以更新？

数据仓库一定要更新的，因为不断的将OLTP产生的数据通过ETL导入数据仓库中。

但是，已经导入数据仓库中的数据，是不会更新的，换句话说，一条数据进入了数据仓库，就不会再做任何改变。

如果想要对已有的数据进行更改，只会产生新的数据，再次倒入数据仓库。

这是因为，数据仓库是用来做决策分析的。过去的所有数据，都是代表了当时的状态，所以不可以有任何改变。就像历史一样，已经成为事实的东西，是不能改变的。