Getting Started with Impala: Interactive SQL for Apache Hadoop

نحوه نوشتن، تنظیم و پورت پرس و جوهای SQL و سایر عبارات را برای یک محیط Big Data، با استفاده از Impala - موتور جستجوی SQL انبوه پردازش موازی برای Apache Hadoop را بیاموزید. بهترین روش‌های موجود در این راهنمای عملی به شما کمک می‌کند تا طرح‌واره‌های پایگاه داده طراحی کنید که نه تنها با سایر اجزای Hadoop کار می‌کنند، و برای مدیران برای مدیریت و نظارت راحت هستند، بلکه توسعه آینده در اندازه داده‌ها و تکامل قابلیت‌های نرم‌افزار را نیز در بر می‌گیرند.

< p> ایده آل برای توسعه دهندگان پایگاه داده و تحلیلگران کسب و کار، شروع به کار با Impala شامل مشاوره از تیم توسعه Cloudera، و همچنین بینش از تعاملات مشاوره ای آن با مشتریان است.

• یاد بگیرید. نحوه ادغام ایمپالا با طیف گسترده ای از اجزای Hadoop
• دستیابی به عملکرد و مقیاس پذیری بالا برای مجموعه داده های عظیم در خوشه های تولید
• کاوش در وظایف رایج توسعه دهنده، مانند انتقال کد به Impala و بهینه سازی عملکرد
• استفاده از آموزش‌ها برای کار با جداول میلیارد ردیفی، مقادیر مبتنی بر تاریخ و زمان، و تکنیک‌های دیگر
• با نحوه انتقال از طرح‌واره‌های سفت و سخت به یک مدل انعطاف‌پذیر که براساس نیاز تکامل می‌یابد، استفاده کنید. تغییر
• به عمق j شیرجه بزنید روغن ها و نقش های آمار

Learn how to write, tune, and port SQL queries and other statements for a Big Data environment, using Impala—the massively parallel processing SQL query engine for Apache Hadoop. The best practices in this practical guide help you design database schemas that not only interoperate with other Hadoop components, and are convenient for administers to manage and monitor, but also accommodate future expansion in data size and evolution of software capabilities.

Ideal for database developers and business analysts, Getting Started with Impala includes advice from Cloudera’s development team, as well as insights from its consulting engagements with customers.

• Learn how Impala integrates with a wide range of Hadoop components
• Attain high performance and scalability for huge data sets on production clusters
• Explore common developer tasks, such as porting code to Impala and optimizing performance
• Use tutorials for working with billion-row tables, date- and time-based values, and other techniques
• Learn how to transition from rigid schemas to a flexible model that evolves as needs change
• Take a deep dive into joins and the roles of statistics