1. hbase和hive整合後數據存儲在哪
數據存在hbase中，hive利用相關介面去分析統計hbase的數據
2. 有幾點關於hadoop的hive數據倉庫和hbase幾點疑惑，希望有高手可以幫忙解決一下，謝謝了！！！
首先感覺你有點亂。。。
你先明白數據倉庫的作用－－存儲歷史數據－進而對數據進行分析，只提供查詢－不提供修改
1。Hive 的目標是做成數據倉庫，所以它提供了sql，提供了文件－表的映射關系，又由於Hive基於HDFS，所以不提供Update，因為HDFS本身就不支持。
2.HBase 是NoSQL資料庫－所以不要跟傳統混淆並談－NoSQL 提供的是另一種思路來滿足高性能的需求，而這些是傳統資料庫的短板，與傳統資料庫的理念不一樣
3.load data 這個可以自己去查。Hbase要使用自己的API
4.是的。
5.這句話不對。
6.映射就是結構對應－如文件每一行的第一個欄位－映射到Hive表的第一個欄位
類似Hibernate的語法解析。
Hive本身實現了一套語法結構也就是操作符。如掃描文件等，最終記本都會轉換成MapRece來運行
3. 北大青鳥設計培訓：Hbase知識點總結
hbase概念:非結構化的分布式的面向列存儲非關系型的開源的資料庫，根據谷歌的三大論文之一的bigtable高寬厚表作用:為了解決大規模數據集合多重數據種類帶來的挑戰，尤其是大數據應用難題。
能幹什麼:存儲大量結果集數據，低延遲的隨機查詢。
sql:結構化查詢語言nosql:非關系型資料庫，列存儲和文檔存儲(查詢低延遲),hbase是nosql的一個種類，其特點是列式存儲。
非關系型資料庫--列存儲(hbase)非關系型資料庫--文檔存儲(MongoDB)非關系型資料庫--內存式存儲(redis)非關系型資料庫--圖形模型(graph)hive和hbase區別?Hive的定位是數據倉庫，雖然也有增刪改查，但其刪改查對應的是整張表而不是單行數據，查詢的延遲較高。
其本質是更加方便的使用mr的威力來進行離線分析的一個數據分析工具。
HBase的定位是hadoop的資料庫，電腦培訓http://www.kmbdqn.cn/發現是一個典型的Nosql，所以HBase是用來在大量數據中進行低延遲的隨機查詢的。
hbase運行方式:standalonedistrubited單節點和偽分布式?單節點:單獨的進程運行在同一台機器上hbase應用場景:存儲海量數據低延遲查詢數據hbase表由多行組成hbase行一行在hbase中由行健和一個或多個列的值組成，按行健字母順序排序的存儲。
4. hive和hbase有什麼關系和區別
應該是Hadoop在hbase和Hive中的作用吧。 hbase與hive都是架構在hadoop之上的。都是用hadoop作為底層存儲。而hbase是作為分布式資料庫，而hive是作為分布式數據倉庫。當然hive還是借用hadoop的MapRece來完成一些hive中的命令的執行。而hbase與hive都是單獨安裝的。你需要哪個安裝哪個，所以不存在重復信息。
5. hive 和hbase 有什麼區別
Apache Hive是一個構建在Hadoop基礎設施之上的數據倉庫。通過Hive可以使用HQL語言查詢存放在HDFS上的數據。HQL是一種類SQL語言，這種語言最終被轉化為Map/Rece. 雖然Hive提供了SQL查詢功能，但是Hive不能夠進行交互查詢--因為它只能夠在Haoop上批量的執行Hadoop。
Apache HBase是一種Key/Value系統，它運行在HDFS之上。和Hive不一樣，Hbase的能夠在它的資料庫上實時運行，而不是運行MapRece任務。Hive被分區為表格，表格又被進一步分割為列簇。列簇必須使用schema定義，列簇將某一類型列集合起來（列不要求schema定義）。例如，「message」列簇可能包含：「to」, 」from」 「date」, 「subject」, 和」body」. 每一個 key/value對在Hbase中被定義為一個cell，每一個key由row-key，列簇、列和時間戳。在Hbase中，行是key/value映射的集合，這個映射通過row-key來唯一標識。Hbase利用Hadoop的基礎設施，可以利用通用的設備進行水平的擴展。
6. 程序中的Hive具體是干什麼用的呢
Hive是基於Hadoop平台的數倉工具，具有海量數據存儲、水平可擴展、離線批量處理的優點，解決了傳統關系型數倉不能支持海量數據存儲、水平可擴展性差等問題，但是由於Hive數據存儲和數據處理是依賴於HDFS和MapRece，因此在Hive進行數據離線批量處理時，需將查詢語言先轉換成MR任務，由MR批量處理返回結果，所以Hive沒法滿足數據實時查詢分析的需求。
Hive是由FaceBook研發並開源，當時FaceBook使用Oracle作為數倉，由於數據量越來越大，Oracle數倉性能越來越差，沒法實現海量數據的離線批量分析，因此基於Hadoop研發Hive，並開源給Apacha。
由於Hive不能實現數據實時查詢交互，Hbase可提供實時在線查詢能力，因此Hive和Hbase形成了良性互補。Hbase因為其海量數據存儲、水平擴展、批量數據處理等優點，也得到了廣泛應用。
Pig與HIVE工具類似，都可以用類sql語言對數據進行處理。但是他們應用場景有區別，Pig用於數據倉庫數據的ETL，HIVE用於數倉數據分析。
從架構圖當中，可看出Hive並沒有完成數據的存儲和處理，它是由HDFS完成數據存儲，MR完成數據處理，其只是提供了用戶查詢語言的能力。Hive支持類sql語言，這種SQL稱為Hivesql。用戶可用Hivesql語言查詢，其驅動可將Hivesql語言轉換成MR任務，完成數據處理。
【Hive的訪問介面】
CLI：是hive提供的命令行工具
HWI：是Hive的web訪問介面
JDBC/ODBC：是兩種的標準的應用程序編程訪問介面
Thrift Server：提供異構語言，進行遠程RPC調用Hive的能力。
因此Hiv具備豐富的訪問介面能力，幾乎能滿足各種開發應用場景需求。
【Driver】
是HIVE比較核心的驅動模塊，包含編譯器、優化器、執行器，職責為把用戶輸入的Hivesql轉換成MR數據處理任務
【Metastore】
是HIVE的元數據存儲模塊，數據的訪問和查找，必須要先訪問元數據。Hive中的元數據一般使用單獨的關系型資料庫存儲，常用的是Mysql，為了確保高可用，Mysql元資料庫還需主備部署。
架構圖上面Karmasphere、Hue、Qubole也是訪問HIVE的工具，其中Qubole可遠程訪問HIVE，相當於HIVE作為一種公有雲服務，用戶可通過互聯網訪問Hive服務。
Hive在使用過程中出現了一些不穩定問題，由此發展出了Hive HA機制，
7. hbase和hive的差別是什麼，各自適用在什麼場景中
Hive和Hbase是兩種基於Hadoop的不同技術--Hive是一種類SQL的引擎，並且運行MapRece任務，Hbase是一種在Hadoop之上的NoSQL 的Key/vale資料庫。當然，這兩種工具是可以同時使用的。就像用Google來搜索，用FaceBook進行社交一樣，Hive可以用來進行統計查詢，HBase可以用來進行實時查詢，數據也可以從Hive寫到Hbase，設置再從Hbase寫回Hive
共同點：
1.hbase與hive都是架構在hadoop之上的。都是用hadoop作為底層存儲
區別：
1.Hive是建立在Hadoop之上為了減少MapRece jobs編寫工作的批處理系統，HBase是為了支持彌補Hadoop對實時操作的缺陷的項目 。
2.想像你在操作RMDB資料庫，如果是全表掃描，就用Hive+Hadoop,如果是索引訪問，就用HBase+Hadoop 。
3.Hive query就是MapRece jobs可以從5分鍾到數小時不止，HBase是非常高效的，肯定比Hive高效的多。
4.Hive本身不存儲和計算數據，它完全依賴於HDFS和MapRece，Hive中的表純邏輯，就只是表的定義等，即表的元數據。這樣就可以將結構化的數據文件映射為一張資料庫表，並提供完整的SQL查詢功能，並將SQL語句最終轉換為MapRece任務進行運行。
5.hive借用hadoop的MapRece來完成一些hive中的命令的執行
6.hbase是物理表，不是邏輯表，提供一個超大的內存hash表，搜索引擎通過它來存儲索引，方便查詢操作。
7.hbase是列存儲。
8.hdfs作為底層存儲，hdfs是存放文件的系統，而Hbase負責組織文件。
9.hive需要用到hdfs存儲文件，需要用到MapRece計算框架。
8. hbase和hive有什麼區別
1：Hive中的表是純邏輯表，就只是表的定義等，即表的元數據。Hive本身不存儲數據，它完全依賴HDFS和MapRece。這樣就可以將結構化的數據文件映射為為一張資料庫表，並提供完整的SQL查詢功能，並將SQL語句最終轉換為MapRece任務進行運行。 而HBase表是物理表，適合存放非結構化的數據。
2：Hive是基於MapRece來處理數據,而MapRece處理數據是基於行的模式；HBase處理數據是基於列的而不是基於行的模式，適合海量數據的隨機訪問。
3：HBase的表是疏鬆的存儲的，因此用戶可以給行定義各種不同的列；而Hive表是稠密型，即定義多少列，每一行有存儲固定列數的數據。
4：Hive使用Hadoop來分析處理數據，而Hadoop系統是批處理系統，因此不能保證處理的低遲延問題；而HBase是近實時系統，支持實時查詢。
5：Hive不提供row-level的更新，它適用於大量append-only數據集（如日誌）的批任務處理。而基於HBase的查詢，支持和row-level的更新。
6：Hive提供完整的SQL實現，通常被用來做一些基於歷史數據的挖掘、分析。而HBase不適用與有join，多級索引，表關系復雜的應用場景。
9. hive與hbase區別
Apache Hive 和 Apache HBase 都是大數據中不可思議的工具。雖然它們的功能存在一些重疊，但 Apache Hive 和 Apache HBase 都具有獨特的品質，使它們更適合特定任務。一些主要區別包括：
雖然這兩個工具都是Hadoop的衍生產品，但它們不為用戶提供相同的功能。然而，盡管存在差異，Apache Hive 和 Apache HBase 都是處理大數據時優先考慮的兩塊工具和解決方案。
每個工具都有自己的優缺點。因此，Hive 和 HBase各自都存在一些限制。
首先，雖然Hive也具有非常基本的 ACID 功能，但它們沒有像 MYSQL 那樣成熟完備的產品架構，速度無法滿足日常OLTP型業務。
Hive 查詢通常也具有高延遲。由於它在 Hadoop 上運行批處理，因此獲取查詢結果可能需要幾分鍾甚至1小時。此外，更新數據可能既復雜又耗時。
Hive 不是擅長用於查詢數據集（尤其是大數據集中）當中的部分數據，大多數用戶傾向於依賴傳統的 RDBMS （關系型數據）來處理這些數據集。
HBase 查詢採用自定義語言，需要經過培訓才能學習。HBase 並不完全符合 ACID，盡管它確實支持某些屬性。
HBase 可以通過協同處理來處理小數據，但它仍然不如 RDBMS（關系型資料庫） 有用。
1、Hive 應該用於對一段時間內收集的數據進行分析查詢——例如，計算趨勢或網站日誌。
2、HDFS 的 SQL 查詢引擎 - 您可以利用 Hive的HQL來查詢處理 Hadoop 數據集，然後將它們連接到相應的BI工具，進行相關報表展示。
1、HBase 非常適合實時查詢大數據（例如 Facebook 曾經將其用於消息傳遞）。Hive 不能用於實時查詢，因為速度很慢。
2、HBase 主要用於將非結構化 Hadoop 數據作為一個湖來存儲和處理。您也可以將 HBase 用作所有 Hadoop 數據的倉庫。
3、大量數據需要長期保存, 且數量會持續增長，而且瞬間寫入量很大。