『壹』 大數據分析到底需要多少種工具
在工具學習上，入門工具推薦兩類：sql（Structured Query Language）、Microsoft Office Excel，進階工具推薦：SPSS Clementine/Python。
1、SQL
SQL是數據提取工具，大中型企業都會建立自己的資料庫系統，常用數據會建立數據報表系統（常說的BI系統，即business intelligence），供業務人員使用。但深入業務分析需要更多的底層數據，報表系統里沒有呈現的數據，這時就需要使用SQL工具提取資料庫系統數據。
SQL工具很多，有oracle、mysql、sqlserver、hive等，除了細微差異，大多數SQL語句都通用。
SQL工具學習很容易，真正需要下功夫的是對資料庫表結構的了解。從常用數據表了解，摸清數據指標及含義，建立起表結構間關系，完成日常工作數據提取工作為要。有精力的童鞋可以再去探索非常用數據表。
2、Microsoft Office Excel
Excel應該是所有數據分析師的入門工具。除了一些常用功能使用外，就是使用數據透視表和多學習內嵌函數，能省去不少工作量。除了數據量級處理有限外，Excel功能強大不能僅僅用強大來形容。高階Excel學習，可以繼續了解宏使用。
3、SPSS Clementine/Python
在數據分析進階路上，還有一類工具是：數據建模工具，如SPSS Clementine、R、Python等。大數據時代，數據維度過於豐富，數據量級過於龐大，對於未知數據探索，手動計算發現數據關系的工作量已經過於繁重，交給這些數據模型工具就簡單多了。其內嵌了大量精細的數據演算法，我們需要做的就是掌握統計理論，掌握演算法原理，輸入規范的數據，等待模型的結果。當然，對模型的掌握，結論的解讀，業務的理解，都是使用建模工具必須要學習的。
『貳』 hive有沒有類似plsql這樣的開發工具
HeidiSQL
Navicatformysql或者NavicatPremium
SQLyog
這3個都不錯。
『叄』 hadoop作用
1.hadoop有三個主要的核心組件：HDFS（分布式文件存儲）、MAPREDUCE（分布式的計算）、YARN（資源調度），現在雲計算包括大數據和虛擬化進行支撐。
在HADOOP（hdfs、MAPREDUCE、yarn）大數據處理技術框架，擅長離線數據分析.
Zookeeper 分布式協調服務基礎組件，Hbase 分布式海量資料庫，離線分析和在線業務處理。
Hive sql 數據倉庫工具，使用方便，功能豐富，基於MR延遲大，可以方便對數據的分析，並且數據的處理可以自定義方法進行操作，簡單方便。
Sqoop數據導入導出工具，將數據從數據導入Hive，將Hive導入資料庫等操作。
Flume數據採集框架，可以從多種源讀取數據。
Azkaban對操作進行管理，比如定時腳本執行，有圖形化界面，上傳job簡單，只需要將腳本打成bao，可直接上傳。
2.hadoop的可以做離散日誌分析，一般流程是:
將web中的數據取過來【通過flume】，然後通過預處理【maprece,一般只是使用map就可以了】，就是將數據中沒有用處的數據去除掉，將數據轉換【比如說時間的格式，Agent的組合】，並將數據進行處理之後以固定格式輸出，由Hive處理，Hive是作用是將數據轉換出一個表，RTL就是寫SQL的一個過程，將數據進行分析，然後將數據報表統計，這個時候使用的是pig數據分析【hive一般作為庫，pig做分析，我沒有使用pig，因為感覺還沒有hive的HQL處理方便】，最後將含金量最大的數據放入到mysql中，然後將mysql中的數據變為可視圖化的工具。
推薦的使用：當我們瀏覽一各網頁的時候，將數據的值值傳遞給後台保存到log中，後台將數據收集起來，hadoop中的fiume可以將數據拿到放入到HDFS中，原始的數據進行預處理，然後使用HIVE將數據變為表，進行數據的分析，將有價值的數據放入到mysql，作為推薦使用，這個一般是商城，數據的來源也是可以通過多種方式的，比如說隱形圖片、js、日誌等都可以作為採集數據的來源。
3.hadoop中的HDFS有兩個重要的角色：NameNode、datanode，Yarn有兩個主要的主角：ResourceManager和nodeManager.
4.分布式：使用多個節點協同完成一項或者多項業務功能的系統叫做分布式系統，分布式一般使用多個節點組成，包括主節點和從節點，進行分析
5.maprece：是使用較少的代碼，完成對海量數據的處理，比如wordCount，統計單詞的個數。
實現思想：將單詞一個一個的遍歷，然後將單詞加1處理，但是這是集群，那麼就每個節點計算自己節點的數據，然後最後交給一個統計的程序完成就可以了，最後將單詞和結果輸出。
『肆』 Hive 有ETL工具嗎
hive本身沒有存儲的。哪來的ETL。
你可以使用hive來作為ETL的工具，就是自己開發存儲介面。然後讓hive（也就是通過map、rece的方式）來做ETL。
比如你想把oracle的數據導入到HBase中，只要自己實現一個Oracle的HiveStorageHandler，然後在hive中創建一個oracle的表（如果oracle中表已存在則創建外部表），再創建一個HBase表。
然後然後通過HQL執行導入過程。
『伍』 求助帖，hive sql的web客戶端
你網路搜索一下"hive squirrel sql client lxw的大數據田地"， 裡面詳細介紹了連接Hive的客戶端界面工具–SQuirrel SQL Client的詳細用法。
『陸』 運算框架Hive是啥
Hive是由facebook開源，最初用於解決海量結構化的日誌數據統計問題的一種ETL（Extraction-Transformation-Loading）工具。它是構建在Hadoop之上的數據倉庫，數據計算使用MapRece，數據存儲使用HDFS。Hive 定義了一種類 SQL 查詢語言——HQL，類似SQL，但不完全相同。Hive通常用於進行離線數據處理（採用MapRece）,可認為是一個HQL—>MR的語言翻譯器。
『柒』 hivesql怎麼獲取上一個月月份
hivesql sql — 獲取指定hive表或指定文件所hive表DDL按區則默認執行近7區DDL同table支持符合sql語則表達式表匹配則提示用戶選擇(使用file則自關閉該交互功能)。
hive是基於Hadoop的一個數據倉庫工具，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，可以將sql語句轉換為MapRece任務進行運行。其優點是學習成本低，可以通過類SQL語句快速實現簡單的MapRece統計，不必開發專門的MapRece應用，十分適合數據倉庫的統計分析。另外一個是Windows注冊表文件。
『捌』 squirrel sql怎樣設置連接hive2
你網路搜索一下"hive squirrel sql client lxw的大數據田地"，
裡面詳細介紹了連接Hive的客戶端界面工具–SQuirrel SQL Client的詳細用法。
『玖』 在Hadoop監控頁面怎樣查看Hive的完整SQL
Hive是建立在Hadoop上的數據倉庫基礎構架。它提供了一系列的工具，可以用來進行數據提取轉化載入（ETL），這是一種可以存儲、查詢和分析存儲在Hadoop中的大規模數據的機制。Hive定義了簡單的類SQL查詢語言，稱為HQL，它允許熟悉SQL的用戶查詢數據。同時，這個語言也允許熟悉MapRece開發者的開發自定義的mapper和recer來處理內建的mapper和recer無法完成的復雜的分析工作。Hive採用類SQL的查詢方式，將SQL查詢轉換為MapRece的job在Hadoop集群上執行
『拾』 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，