（1）本周做了什么，花在学习上多长时间，花在代码上多长时间，花在解决问题用了多长时间
本周看完了黑马程序员关于Hadoop的剩下的所有视频，并跟着做了对于陌陌聊天消息的数据分析。
科二考试没约上，15个报科二的就我没约上。。。。。
每天会使用三个小时的时间来学习，大部分时间都花在了敲代码上。
Hive是一种基于Hadoop的数据仓库和分析工具，它提供了一个类似于SQL的查询语言，允许用户使用结构化查询语言（SQL）来查询和分析存储在Hadoop分布式文件系统（HDFS）中的大规模数据。Hive的目标是让非技术用户也能够轻松地进行数据分析，无需编写复杂的MapReduce代码。
以下是Hive的一些关键特点和组成部分：
-
SQL-Like 查询语言: Hive使用类似于SQL的查询语言（称为HiveQL或HQL），使用户能够使用熟悉的SQL语法来查询和处理数据。
-
数据存储和管理: Hive能够将结构化的数据映射到Hadoop的分布式文件系统（HDFS）中，以便在集群上进行高可扩展的存储和管理。
-
元数据存储: Hive维护了一个元数据存储，用于描述存储在HDFS中的数据的结构和模式。这些元数据信息帮助Hive优化查询性能，并支持表的分区、分桶等概念。
-
MapReduce执行引擎: 在Hive的早期版本中，查询通常会被转换为基于MapReduce的任务来执行。这意味着Hive将用户提交的查询转换为一系列Map和Reduce任务来处理数据。然而，随着时间的推移，Hive也引入了更多的执行引擎选项，如Tez和Spark，以加速查询执行。
-
数据转换和ETL: Hive支持数据的转换、清洗和提取，使用户能够执行ETL（抽取、转换、加载）操作，将原始数据转换为有用的信息。
-
用户自定义函数（UDF）: Hive允许用户编写自定义函数，以便在查询过程中进行自定义数据处理和计算。
-
表分区和桶ing: Hive允许用户将表数据分割成多个分区，以便更有效地进行查询和管理。此外，数据还可以根据特定列的值进行分桶，以提高查询性能。
-
扩展性和容错性: Hive建立在Hadoop生态系统之上，可以在大规模集群上运行，并具有良好的容错性和可扩展性。
需要注意的是，尽管Hive的查询语言类似于传统的SQL，但由于Hive查询会转换为底层的MapReduce、Tez或Spark任务，因此它的实时查询性能可能不如传统关系型数据库。Hive更适用于批处理和大规模数据分析，适合处理大量的非结构化或半结构化数据。随着Hadoop生态系统的发展，Hive也在不断演进，支持更多的执行引擎和优化策略，以提高查询性能和用户体验。
（2）下周准备做什么
下周我计划学习一下springboot
（3）本周遇到的问题
没啥大问题，都是小case
标签：用户,报告,假期,Hadoop,Hive,查询,进度,SQL,数据 From： https://www.cnblogs.com/wzs-study/p/17625591.html