การวิเคราะห์ Big Data ด้วย Hive: การสืบค้น, การแบ่งพาร์ติชัน, และการเพิ่มประสิทธิภาพ

เนื่องจากชุดข้อมูลเติบโตเกินขีดจำกัดของฐานข้อมูลแบบดั้งเดิม องค์กรต่างๆ จึงต้องพึ่งพาคลังข้อมูลแบบกระจาย (distributed data warehouses) เพื่อวิเคราะห์ข้อมูลปริมาณมหาศาล Hive เชื่อมช่องว่างนี้โดยอนุญาตให้คุณเขียนคำสั่งสืบค้นที่คล้าย SQL ที่คุ้นเคย เพื่อประมวลผล big data ในระบบแบบกระจาย หลักสูตรแบบข้อความนี้มอบเส้นทางที่ชัดเจนและเป็นขั้นตอนสู่การเรียนรู้ Hive และ HiveQL คุณจะเปลี่ยนจากการดำเนินการสืบค้นพื้นฐานไปสู่การออกแบบโครงสร้างข้อมูลที่ได้รับการปรับปรุงประสิทธิภาพสูง และการนำเวิร์กโฟลว์การวิเคราะห์ขั้นสูงไปใช้บนแพลตฟอร์ม big data ที่ทันสมัยทั้งบนคลาวด์และในองค์กร (on-premises) สิ่งที่คุณจะได้เรียนรู้: - ทำความเข้าใจสถาปัตยกรรมหลักของ Hive, metastore, และวิธีการที่คำสั่งสืบค้นถูกแปลงเป็นแผนการดำเนินการแบบกระจาย (distributed execution plans) - เขียนคำสั่งสืบค้น HiveQL ที่แข็งแกร่ง โดยเริ่มต้นจากแนวคิดพื้นฐานของ SQL และก้าวไปสู่ฟังก์ชัน windowing และ analytical ขั้นสูง - เพิ่มประสิทธิภาพการสืบค้นโดยใช้เทคนิคขั้นสูง เช่น partitioning, bucketing, และ map-side joins - สร้างตรรกะการประมวลผลข้อมูลแบบกำหนดเองโดยการเขียน User Defined Functions (UDFs) โดยใช้ Python - กำหนดค่าตาราง Hive ให้ทำงานร่วมกับระบบจัดเก็บข้อมูลอ็อบเจกต์บนคลาวด์ที่ทันสมัยได้อย่างราบรื่น หลักสูตรนี้เริ่มต้นด้วยแนวคิดพื้นฐานของ big data warehousing, สถาปัตยกรรม Hive, และบทนำ SQL ที่ครอบคลุมเพื่อให้แน่ใจว่าคุณมีพื้นฐานที่จำเป็น จากนั้นคุณจะก้าวหน้าผ่านคำอธิบายที่เป็นลายลักษณ์อักษร โครงสร้างคำสั่งสืบค้นเชิงปฏิบัติ และกลยุทธ์การปรับปรุงประสิทธิภาพที่ออกแบบมาสำหรับสถานการณ์จริง หลักสูตรนี้ออกแบบมาสำหรับนักวิเคราะห์ข้อมูล (data analysts), วิศวกรซอฟต์แวร์ (software engineers), และผู้ดูแลระบบฐานข้อมูล (database administrators) ที่เพิ่งเริ่มต้นกับ big data และต้องการสร้างรากฐานที่แข็งแกร่งใน Hive ไม่จำเป็นต้องมีประสบการณ์ big data มาก่อน เนื่องจากเราเริ่มต้นจากพื้นฐานที่สุด เริ่มอ่านวันนี้เพื่อปลดล็อกพลังของคลังข้อมูลแบบกระจายด้วย Hive