大数据技术中，HIVE的应用场景有哪些

最近学习大数据，对于HIVE这个工具，有很多的困惑，不清楚具体有哪些应用场景，以下是我请教了科多大数据的冯老师之后总结出来的一些笔记，希望对大家有帮助

事务：之前了解到的是，转账（一个帐户上都加、一个帐户上进行减）

      行级事务（要保存一条insert\update不会出现只插入一部分的情况）

实时：查询速度快，响应速度快。

      在企业里面，一个请求发送出去，如果不是太复杂的话，在做需求的时候，整个响应过程一般不会超过3S

OLTP：一般指的是数据库

OLAP:重点在于分析上，用于查询或者分析使用。没有实时要求一般是按天、周、月、年来进行数据统计。

OLTP是要求实时性高，一般是用于业务系统。

OLAP对实时性要求不高，一般用于数据分析（但是一般情况下是比业务系统的存储的数据量更大）

CAP原则：

Consistency（一致性）、 Availability（可用性）、Partition tolerance（分区容错性）

ETL？ ETL有一个职位在：ETL工程师

经过抽取（extract）、转换（transform）、加载（load）至目的端的过程

爬虫、数据的算法（清洗、转换）、ETL工具

HIVE的定位是数据仓库，所偏向的是数据分析存储和计算方向。

在新的技术范围内。计算引擎mapreduce中是其中之一。有些公司会有到spark来作为计算引擎。HIVE与spark的集成。

主备模式：有主也有从。当主的挂掉之后，备机可以马上启动起来。这就是【高可用】单点故障

存储格式：.txt（文本格式）、gzip（压缩格式）、二进制文件（序列化文件）

    存储过程：类似于java中的一个方法（里面可以有多条语句、同时可以包含判断、循环等等）

sele