UNI - Clase 5 by Ing. Layla Scheli https://padlet.com/laylascheli/22wcit0p3nzp759k Hecho con encanto en-us 2022-04-25 23:16:21 UTC 2026-03-17 17:17:22 UTC hello@padlet.com Respuesta: Fátima Pérez laylascheli https://padlet.com/laylascheli/22wcit0p3nzp759k/wish/2157459629 Investigar y realizar una comparación entre los servicios de Hive y de Impala, pertenecientes a Hadoop. 
Para mencionar algunos servicios entre ambos son:
  • La velocidad de procesamiento de consultas en Hive es lenta, pero Impala es 6-69 veces más rápido que Hive .
  • En Hive, la latencia es alta, pero en Impala, la latencia es baja .
  • Hive admite el almacenamiento de archivos RC y ORC, pero el almacenamiento de Impala admite Hadoop y Apache HBase .
  • Hive genera una expresión de consulta en tiempo de compilación, pero en la generación de código Impala para '' bucles grandes '' ocurre durante el tiempo de ejecución .
  • Hive no admite el procesamiento en paralelo, pero Impala admite el procesamiento en paralelo.
  • Hive admite MapReduce pero Impala no es compatible con MapReduce .
  • En Hive, no hay una característica de seguridad, pero Impala admite la autenticación Kerberos .
  • En una actualización de cualquier proyecto donde la compatibilidad y la velocidad son importantes, Hive es una opción ideal, pero para un nuevo proyecto, Impala es la opción ideal .
  • Hive es tolerante a fallas, pero Impala no admite tolerancia a fallas .
  • Hive admite tipos complejos, pero Impala no admite tipos complejos .
  • Hive es Hadoop MapReduce basado en lotes, pero Impala es una base de datos MPP .


]]> 2022-04-25 23:17:02 UTC https://padlet.com/laylascheli/22wcit0p3nzp759k/wish/2157459629 Ligia https://padlet.com/laylascheli/22wcit0p3nzp759k/wish/2157466522 La ventaja principal de Impala sobre Hive es la latencia. Es más rápido que Hive, realiza consultas interactivas con respuestas en segundos.

Hive es un proyecto de software de almacenamiento de datos creado sobre APACHE HADOOP por Facebook, se utiliza para resumir Big data y facilita la consulta y el análisis. Apache Hive es un estándar efectivo para SQL-in Hadoop. Escrito en Java.

Impala desarrollado por AFS es un motor de consulta SQL de procesamiento paralelo que se ejecuta en Apache Hadoop y se utiliza para procesar los datos que se almacenan en HBase (Base de datos de Hadoop) y el Sistema de archivos distribuidos de Hadoop. Escrito en C++.

]]> 2022-04-25 23:26:04 UTC https://padlet.com/laylascheli/22wcit0p3nzp759k/wish/2157466522 LESLIE CRUZ SEQUEIRA https://padlet.com/laylascheli/22wcit0p3nzp759k/wish/2157466807 hive nos sirve para almacenamientos de datos se utiliza para resumir big data y facilita el analisis y consulta...impala es un motor de consulta SQL se utiliza para procesar los datos que se almacenan en las bases de datos de hadoop, ambos operan en apache hadoop. ]]> 2022-04-25 23:26:26 UTC https://padlet.com/laylascheli/22wcit0p3nzp759k/wish/2157466807 Raúl https://padlet.com/laylascheli/22wcit0p3nzp759k/wish/2157467699 Por el diseño y arquitectura de Apache Impala, su rendimiento puede ser superior al de Apache Hive en varios órdenes de magnitud.


Para comparar estas herramientas de forma correcta, debemos considerar Hive LLAP. Ésta, es una tecnología similar a Impala pensada para cargas big data.

Ambas tecnologías son adecuadas en entornos empresariales de Data Warehouse en los que nos podemos encontrar consultas repetitivas pero muy pesadas en su primera ejecución, con transformaciones complejas y joins sobre grandes cantidades de datos.

Hive LLAP es una tecnología cuyos casos de uso están más orientados a realizar consultas y dashboards de BI gracias a sus sistemas de caché.
Por otro lado, Impala es una buena solución en entornos de analítica interactiva en los que se requiere el uso de funciones y tienen unos requisitos temporales más estrictos, inferiores a segundos.

]]> 2022-04-25 23:27:38 UTC https://padlet.com/laylascheli/22wcit0p3nzp759k/wish/2157467699 Devaki https://padlet.com/laylascheli/22wcit0p3nzp759k/wish/2157467993
  • Hive está escrito en Java pero Impala está escrito en C ++.

    • La velocidad de procesamiento de consultas en Hive es lenta, pero Impala es 6-69 veces más rápido que Hive .
    • En Hive, la latencia es alta, pero en Impala, la latencia es baja .
    • Hive admite el almacenamiento de archivos RC y ORC, pero el almacenamiento de Impala admite Hadoop y Apache HBase .
    • Hive genera una expresión de consulta en tiempo de compilación, pero en la generación de código Impala para '' bucles grandes '' ocurre durante el tiempo de ejecución .
    • Hive no admite el procesamiento en paralelo, pero Impala admite el procesamiento en paralelo.

    ]]>     2022-04-25 23:28:00 UTC https://padlet.com/laylascheli/22wcit0p3nzp759k/wish/2157467993     Luis Ramirez https://padlet.com/laylascheli/22wcit0p3nzp759k/wish/2157470007 Hive es el sistema de almacenamiento de datos e impala es el mecanismo para acceder a los datos ambos están íntimamente relacionados en Hadoop.

     Hive: Sistema de data warehouse para manejar (leer, escribir, ETL, reporting y análisis), mediante lenguaje SQL, datos almacenados de manera distribuida. 

    Impala:  e Impala es una herramienta de procesamiento masivamente paralelo (MPP) para ejecutar consultas interactivas en lenguaje SQL. Ofrece la posibilidad de acceder a datos almacenados de manera distribuida en HDFS, HBase o en el almacén de objetos distribuidos Amazon S3 (simple storage service). También es capaz de escribir en tablas de Apache Kudu. Impala se integra a la perfección en el ecosistema Hadoop ]]>     2022-04-25 23:30:38 UTC https://padlet.com/laylascheli/22wcit0p3nzp759k/wish/2157470007     Jorge Mairena https://padlet.com/laylascheli/22wcit0p3nzp759k/wish/2157470542 Hive e Impala son herramientas para realizar consultas SQL en datos que residen en HDFS / HBase. Hive usa HiveQL y convierte datos en trabajos MapReduce o Spark que se ejecutan en el clúster de Hadoop. Impala utiliza un motor SQL especializado muy rápido más rápido que el de MapReduce.
    La velocidad de procesamiento de consultas en Hive es lenta, pero Impala es de 6 a 69 veces más rápida que Hive. En Hive, la latencia es alta, pero en Impala, la latencia es baja. Hive admite el almacenamiento de archivos RC y ORC, pero el almacenamiento de Impala es compatible con Hadoop y Apache HBase.
    Sus analistas obtendrán una respuesta mucho más rápido con Impala, aunque a diferencia de Hive, Impala no es tolerante a fallas. ... Impala es más rápido que Hive porque es un motor completamente diferente y Hive está sobre MapReduce (que es muy lento debido a sus demasiadas operaciones de E / S de disco).]]>     2022-04-25 23:31:18 UTC https://padlet.com/laylascheli/22wcit0p3nzp759k/wish/2157470542     rufino https://padlet.com/laylascheli/22wcit0p3nzp759k/wish/2157473332 Hive e Impala son herramientas para realizar consultas SQL en datos que residen en HDFS / HBase. ... Hive usa HiveQL y convierte datos en trabajos MapReduce o Spark que se ejecutan en el clúster de Hadoop. Impala utiliza un motor SQL especializado muy rápido 
    ambas herramienta se relacionan entre si]]>     2022-04-25 23:34:13 UTC https://padlet.com/laylascheli/22wcit0p3nzp759k/wish/2157473332     Ana Raquel anitraquel https://padlet.com/laylascheli/22wcit0p3nzp759k/wish/2157473519 Hive es un software de almacenamiento de datos que se puede usar para acceder y administrar grandes conjuntos de datos distribuidos construidos en Hadoop, mientras que Impala es un motor masivo de procesamiento paralelo de SQL para administrar y analizar datos almacenados en Hadoop.

    La ventaja principal que aporta Impala sobre Hive es la latencia. Así, puede ser de un orden de magnitud más rápida que Hive, lo que habilita realizar consultas interactivas con respuestas en segundos.

    Impala es un motor de consulta que se ejecuta en Hadoop. Es compatible con el almacenamiento HDFS Apache HBase y Amazon S3. Lee formatos de archivo
    Hadoop, incluidos texto, parquet, Avro, RCFile, LZO y archivo de secuencia. 
    • Admite seguridad Hadoop (autenticación Kerberos) 
    • Utiliza metadatos, controlador ODBC y sintaxis SQL de Apache Hive .
    • Es compatible con múltiples códecs de compresión: (a) Snappy (Recomendado por su equilibrio efectivo entre la relación de compresión y la velocidad de descompresión),

      (b) Gzip (recomendado cuando se alcanza el nivel más alto de compresión),

      (c) Deflate (no compatible con archivos de texto), Bzip2, LZO (solo para archivos de texto).
    Fuente: https://es.education-wiki.com/3731678-hive-vs-impala




     
    ]]>     2022-04-25 23:34:28 UTC https://padlet.com/laylascheli/22wcit0p3nzp759k/wish/2157473519