یادگیری هدوپ (2020)

یادگیری هدوپ (2020)

این دوره مقدمه شما در Hadoop است. سیستم فایل های کلیدی مورد استفاده با Hadoop ؛ موتور پردازش آن ، MapReduce و بسیاری از کتابخانه ها و ابزارهای برنامه نویسی آن هستند. Lynn Langit ، توسعه دهنده و مشاور داده های بزرگ ، نحوه راه اندازی یک محیط توسعه Hadoop ، اجرای و بهینه سازی مشاغل MapReduce ، کد نویسی پرسش های اساسی با Hive و Pig و ایجاد گردش کار برای برنامه ریزی مشاغل را نشان می دهد. بعلاوه ، در مورد عمق و وسعت کتابخانه های Apache Spark موجود برای استفاده با Hadoop cluster و همچنین گزینه هایی برای اجرای مشاغل یادگیری ماشین درHadoop cluster  اطلاعات کسب خواهید کرد.

این دوره مقدمه شما در Hadoop است. سیستم فایل های کلیدی مورد استفاده با Hadoop ؛ موتور پردازش آن ، MapReduce و بسیاری از کتابخانه ها و ابزارهای برنامه نویسی آن هستند. Lynn Langit ، توسعه دهنده و مشاور داده های بزرگ ، نحوه راه اندازی یک محیط توسعه Hadoop ، اجرای و بهینه سازی مشاغل MapReduce ، کد نویسی پرسش های اساسی با Hive و Pig و ایجاد گردش کار برای برنامه ریزی مشاغل را نشان می دهد. بعلاوه ، در مورد عمق و وسعت کتابخانه های Apache Spark موجود برای استفاده با Hadoop cluster و همچنین گزینه هایی برای اجرای مشاغل یادگیری ماشین درHadoop cluster  اطلاعات کسب خواهید کرد.

4.5 (177 رای) 16,179 دانشجو
4 ساعت 57 درس همه سطوح
5 سال قبل
  • 1

معرفی Apache Hive

Apache Hive پلت فرمی است که برای استفاده از اسکریپت های SQL برای انجام عملیات MapReduce استفاده می شود. Hive یک ابزار زیرساخت انبار داده برای پردازش داده های ساخت یافته در Hadoopاست که در بالای Hadoop قرار می گیرد تا اطلاعات Big Dataرا خلاصه کند و آنالیز و querying را آسان انجام دهد. در ابتدا، Hive توسط فیس بوک توسعه یافت. بعدها بنیاد نرم افزار آپاچی آن را گسترش داد و آن را به عنوان منبع باز تحت نام Apache Hive توسعه داد. Hive توسط شرکت های مختلف استفاده می شود. به عنوان مثال، آمازون از آن در Amazon Elastic MapReduce استفاده می کند. Hive یک پایگاه داده رابطه ای، طراحی برای (OLTP) و یک زبان برای پرس و جو در زمان واقعی و به روز رسانی سطح سطر نیست.

ویژگی های Apache Hive

  • ذخیره سازی طرح ها در در یک پایگاه داده و داده های پردازش شده به HDFS
  • طراحی شده برای OLAP
  • دارای زبان SQL برای پرس و جو به نام HiveQL یا HQL
  • سریع
  • مقیاس پذیر
  • قابل گسترش
نظرتون درباره این نوشته چیه؟ عالیه بد نیست خوب نبود