个人中心
文章发布
退出
作者热门文章
- android - RelativeLayout 背景可绘制重叠内容
- android - 如何链接 cpufeatures lib 以获取 native android 库？
- java - OnItemClickListener 不起作用，但 OnLongItemClickListener 在自定义 ListView 中起作用
- java - Android 文件转字符串
24
4
我是一所大型州立大学 CS 专业的大四学生，目前在一家大型上市技术公司的数据科学部门实习。我在学校学习过数据结构和算法( map 、树、图、排序算法、搜索算法、MapReduce 等)，并且通过个人项目使用 MySQL 和 SQL 查询获得了一些经验。
我的实习项目是创建一个仪表板，用于显示从 Hadoop 数据库收集的分析数据。我正在努力了解这些数据的结构和查询方式。我很确定 Hadoop 中的所有数据都来自运行其平台的生产 Oracle Relational DB。 我想我的核心问题是为什么需要 Hadoop 和分布式处理来从已经采用结构化格式的数据库中收集分析数据？存储在 Hadoop 中的数据是什么样的？是否有像 MySQL 这样的表，或像 MongoDB 这样的 JSON 文档？我将通过 Druid 查询 Hadoop，但我什至不确定这个数据库中有什么。
和我一起工作的工程师很会给我讲解，尤其是具体实现的问题，但是他们只有一定的时间可以用来帮助实习生，我想主动去学习其中一些是我自己的。
顺便说一句，令人难以置信的是，它在学校项目上的工作与在拥有数百万活跃用户和 PB 级敏感信息的公司中的项目有多么不同。
最佳答案
Hadoop 不是数据库，因此它没有表之类的东西，也没有关系或文档的任何继承结构。
例如，您可以使用 Hive、Presto、SparkSQL 将模式放置在各种格式的存储文件上，例如 CSV、JSON、Avro、Parquet 等，但这些都是从 Hadoop 文件系统读取的工具，而不是 Hadoop 文件系统的一部分Hadoop 本身。该级别的表和数据库只是元数据，并不完全代表原始数据的样子
Hadoop 能够存储比 Oracle 数据库更多的数据，而且是免费的，但是对于快速分析，建议以分布式方式在 Hadoop 框架内计算统计数据，然后加载回索引系统(例如 Druid)或只是任何实际的数据库
关于hadoop - 大数据存储和查询与传统关系/非关系数据库，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/56410342/
24
4
0
我有三张 table 。表 A 有选项名称(即颜色、尺寸)。表 B 有选项值名称(即蓝色、红色、黑色等)。表C通过将选项名称id和选项名称值id放在一起来建立关系。 我的查询需要显示值和选项的名称，而
在mysql中，如何计算一行中的非空单元格？我只想计算某些列之间的单元格，比如第 3-10 列之间的单元格。不是所有的列...同样，仅在该行中。 最佳答案 如果你想这样做，只能在 sql 中使用名称而
关闭。这个问题需要多问focused 。目前不接受答案。 想要改进此问题吗？更新问题，使其仅关注一个问题 editing this post . 已关闭 7 年前。 Improve this ques
我正在为版本7.6进行Elasticsearch查询 我的查询是这样的: { "query": { "bool": { "should": [ {
关闭。这个问题需要多问focused 。目前不接受答案。 想要改进此问题吗？更新问题，使其仅关注一个问题 editing this post . 已关闭 7 年前。 Improve this ques
是否可以编写一个查询来检查任一子查询(而不是一个子查询)是否正确？ SELECT * FROM employees e WHERE NOT EXISTS (
我找到了很多关于我的问题的答案，但问题没有解决 我有表格，有数据，例如: Data 1 Data 2 Data 3
以下查询返回错误: 查询: SELECT Id, FirstName, LastName, OwnerId, PersonEmail FROM Account WHERE lower(PersonEm
以下查询返回错误: 查询: SELECT Id, FirstName, LastName, OwnerId, PersonEmail FROM Account WHERE lower(PersonEm
我从 EditText 中获取了 String 值。以及提交查询的按钮。 String sql=editQuery.getText().toString();// SELECT * FROM empl
我有一个或多或少有效的查询(关于结果)，但处理大约需要 45 秒。这对于在 GUI 中呈现数据来说肯定太长了。 所以我的需求是找到一个更快/更高效的查询(几毫秒左右会很好)我的数据表大约有 3000
这是我第一次使用 Stack Overflow，所以我希望我以正确的方式提出这个问题。 我有 2 个 SQL 查询，我正在尝试比较和识别缺失值，尽管我无法将 NULL 字段添加到第二个查询中以识别缺失
什么是动态 SQL 查询？何时需要使用动态 SQL 查询？我使用的是 SQL Server 2005。 最佳答案 这里有几篇文章: Introduction to Dynamic SQL Dynami
include "mysql.php"; $query= "SELECT ID,name,displayname,established,summary,searchlink,im
我有一个查询要“转换”为 mysql。这是查询: select top 5 * from (select id, firstName, lastName, sum(fileSize) as To
通过我的研究，我发现至少从 EF 4.1 开始，EF 查询上的 .ToString() 方法将返回要运行的 SQL。事实上，这对我来说非常有用，使用 Entity Framework 5 和 6。 但
我在构造查询来执行以下操作时遇到问题: 按activity_type_id过滤联系人，仅显示最近事件具有所需activity_type_id或为NULL(无事件)的联系人 表格结构如下: 一个联系人可
如何让我输入数据库的信息在输入数据 5 分钟后自行更新？ 假设我有一张 table : +--+--+-----+ |id|ip|count| +--+--+-----+ |
我正在尝试搜索正好是 4 位数字的 ID，我知道我需要使用 LENGTH() 字符串函数，但找不到如何使用它的示例。我正在尝试以下(和其他变体)但它们不起作用。 SELECT max(car_id)
我有一个在 mysql 上运行良好的 sql 查询(查询 + 连接): select sum(pa.price) from user u , purchase pu , pack pa where (
我是一名优秀的程序员,十分优秀！