能也不斷提高。它將極大的擴大了Hadoop的使用范圍和方式。它包含了開源社區的許多流行的工具和功能,例如Hbase、Hive。它還100%和 Apache Hadoop的API兼容。它能夠為客戶節約一半的硬件資源消耗,使
from Avro Data Files [ SQOOP-312 ] - Support for hive dynamic partitions with SQOOP import [ SQOOP-313
基金會的項目。該項目于 11月25日 加入 Apache 基金會,目前處于孵化階段。Kylin 的性能奇高,據說是 Hive 的 N 倍! 孵化地址: http://incubator.apache.org/projects/kylin
driver updated Firebird driver updated Apache Hive driver was added Apache Drill driver was added
Infobright,Hbase,Druid,Drill 等,與Hadoop生態圈深度結合。目前它主要通過作為Apache Hive和Apache Drill的插件來使用。 IndexR已經正式開源。我們希望通過這種方式
Amazon EC2 集群部署了 100 個節點,大約 17TB 的數據中查詢不到 2 秒鐘,比 Hive 快 200 倍,錯誤率在 2-10%。 項目主頁: http://www.open-open
項目,Avro是一個基于二進制數據傳輸高性能的中間件。在Hadoop的其他項目中例如HBase和Hive的Client端與服務端的數據傳輸也采用了這個工具,Avro可以做到將數據進行序列化,適用于遠程或本地大批量數據交互。
coordination HBase: Column-oriented database on HDFS Hive: Data warehouse on HDFS with SQL-like access Pig:
crunch.NewRow() // Use "field_name type". Types are Hive types. row.FieldWithValue("ev_smp int", "1.0") //
Apache Oozie 3.2.0 發布了,主要改進內容包括: * Hive action * Sqoop action * Shell action * Tool to create/upgrade
包括一些新特性:通過 Kite 連接器和 Role Based Access Control(RBAC) 的 Hive 集成。 Apache Sentry 項目正在開發,準備提供使用 Sqoop2 的 RBAC
Pages Composition (MEF2) Entity Framework Linq to Hive MEF (Managed Extensibility Framework) OWIN Authentication
那么現在你究竟能做哪些事情呢?你可以從下面所列舉出的鏈接開始。 如何連接 Excel PowerPivot 與 Hive on Azure 面向 SQL Server DBA 的 Hadoop 基礎知識 目前的 Hadoop
on HDFS KYLIN-702 Env shell script enhance for Hive HCatalog KYLIN-1081 , KYLIN-1119 Dimenion column
shell。SQL 訪問 HBase 數據可通過 Map/Reduce 或者接口機制,如 Apache Hive 和 Impala,或者一些“本地的” SQL 技術,如 Apache Phoenix。前者實現
配置一下就可以使用了。借助存儲插件,你可以連接到各種數據源,像數據庫,本地或是分布式的文件,或是Hive數據庫。 你可以修改一個存儲插件的默認配置X,并給一個新的唯一的名字"Y"。這個新的文檔就會
Apache Hadoop 提供了 Spring 框架用于創建和運行 Hadoop MapReduce、Hive 和 Pig 作業的功能,包括 HDFS 和 HBase。如果你需要簡單的基于 Hadoop 進行作業調度,你可添加
Apache Hadoop 提供了 Spring 框架用于創建和運行 Hadoop MapReduce、Hive 和 Pig 作業的功能,包括 HDFS 和 HBase。如果你需要簡單的基于 Hadoop 進行作業調度,你可添加
Apache Hadoop 提供了 Spring 框架用于創建和運行 Hadoop MapReduce、Hive 和 Pig 作業的功能,包括 HDFS 和 HBase。如果你需要簡單的基于 Hadoop 進行作業調度,你可添加
快查詢海量數據集的目的。 數據結構: 兼容已有的 SQL 環境和 Apache Hive: 來自:http://www.oschina.net/news/62603/apache-drill-1-0