开源数据仓库HadoopHive-存储.PPT

开源数据仓库Hadoop Hive在Facebook中的应用 Hive简介 Hive是基于Hadoop的一个开源数据仓库系统，可以将结构化的数据文件映射为一张数据库表，并提供完整的sql查询功能，支持超大规模的数据查询分析。 主要用户： Facebook Digg 淘宝 … Hive在facebook的应用 应用范围 报表 在线分析 数据挖掘 。。。 系统规模 640节点 2000T容量 每节点8核、4TB存储 Disks Node Disks Node Disks Node Disks Node Disks Node Disks Node 1 Gigabit 4-8 Gigabit Node = DataNode + Map-Reduce Data Warehousing at Facebook Today Web Servers Scribe Servers Filers Hive on Hadoop Cluster Oracle RAC Federated MySQL 使用情况 数据量统计: 总数据量: ~1.7PB 系统总容量： ~2.4PB 每日新增数据量: ~15TB 6TB 未压缩原始日志 4TB 未压缩的多维数据（每天重新加载） 压缩率： ~5x (gzip, more with bzip) 使用情况统计: 3200 jobs/day with 800K tasks(map-reduce tasks)/day 55TB of compressed data scanned daily 15TB of compressed output data written to hdfs 80 MM compute minutes/day HIVE: Components HDFS Hive CLI DDL Queries Browsing Map Reduce MetaStore Thrift API SerDe Thrift Jute JSON.. Execution Parser Planner DB Web UI Optimizer Data Model Logical Partitioning Hash Partitioning clicks HDFS MetaStore /hive/clicks /hive/clicks/ds=2008-03-25 /hive/clicks/ds=2008-03-25/0 … Tables Data Location Bucketing Info Partitioning Cols Metastore DB