分析挖掘（大数据）：hive、impala、 Spark MLlib概述、原理

hive

Hive是一个构建于Hadoop顶层的数据仓库工具，支持大规模数据存储、分析，具有良好的可扩展性。某种程度上可以看作是用户编程接口，本身不存储和处理数据。依赖分布式文件系统HDFS存储数据，依赖分布式并行计算模型MapReduce处理数据。

定义了简单的类似SQL 的查询语言——HiveQL，用户可以通过编写的HiveQL语句运行MapReduce任务，可以很容易把原来构建在关系数据库上的数据仓库应用程序移植到Hadoop平台上。（是一个可以提供有效、合理、直观组织和使用数据的分析工具）

（1）Hive与传统数据库的区别

对比项目	Hive	传统数据库
数据插入	支持批量导入	支持单条