大家好，今天小编关注到一个比较有意思的话题，就是关于hive分析股票的问题，于是小编就整理了2个相关介绍hive分析股票的解答，让我们一起看看吧。
用什么代替什么，主要看你的系统应用场景，不是说非要使用hadoop这些不可。
比如你现在网站遇到了瓶劲，一般都是访问量上来了，系统支撑不住了，就想升级优化系统。
但是这个时候，如果换成 hadoop，在你不熟悉hadoop这些大数据应用的情况下，可能系统会引发更多问题和bug出来。
因此，你得保证团队有足够多的技术力量去解决这些hadoop应用的熟悉。
如果只是想优化php+mysql的系统以承受更多的访问量，不如采用以下方案：
1、由一台apache(或nginx）服务器，扩展到多台服务器进行负载均衡，然后注意一下将session保存到公共的memcache服务器进行共享。
2、对于一些访问特大的数据，可以缓存到memcache里面，比读数据库要快得多。
3、对于后端Mysql，可以使用多台mysql集群，具体使用360的一些读写分离控件。或者也可以使用 tidb 这种分布式的兼容mysql的数据库，以响应更大的并发。
可以这样简单地理解：
1、大数据是一个高层次的概念（相当于互联网的概念），而Hadoop只是承载大数据的一个平台框架一种实现方式而已（类似于各种物理电脑网络）。
2、大数据包含的内涵广泛得多，而Hadoop只是其中一部分实现。
我们平常所说的大数据包含：采集、传输、存储、分析、可视化等等；而Hadoop更多是用于提取、存储、分析的一个系统平台而已。
3、实现大数据平台的框架除了Hadoop之外，还有其他更多的平台。
由于Hadoop是一个开源的大数据系统平台，所以你们听得最多。其实，除了Hadoop平台外，还有更多其他的系统平台（比如阿里巴巴的飞天平台）。
所以，大数据不等于Hadoop，大数据与Hadoop也不是包含关系。如果你眼里只有Hadoop的大数据，记得提醒自己，你的眼界太狭窄了哟！
大数据是指无法在一定时间内用常规软件进行捕捉、管理和处理的数据集合，是需要新的处理模式才能具有更强的决策力、洞察发现力和流程优化的海量、高增长率和多样化的信息化资产。
Hadoop是一个分布式处理架构，是大数据的一个解决方案，主要用来解决海量数据的存储(HDFS)和海量数据的计算(Mapreduce)。
谢谢邀请！
大数据是一系列技术的统称，经过多年的发展，大数据已经形成了从数据采集、整理、传输、存储、安全、分析、呈现和应用等一系列环节，这些环节涉及到诸多大数据工作岗位，这些工作岗位与物联网、云计算也都有密切的联系。
大数据自身的岗位包括大数据平台研发、大数据应用开发、大数据分析、大数据运维等，不同的工作岗位有不同的任务要求。比如大数据平台研发主要从事大数据基础性的开发任务，解决大数据分布式存储和分布式计算机的系统级问题，另外还需要考虑并发、安全、事务等内容。
Hadoop本身就是大数据平台研发人员的工作成果，Hadoop是目前比较常见的大数据支撑性平台，Hadoop平台提供了分布式存储（HDFS）、分布式计算（MapReduce）、任务调度（YARN）、对象存储（Ozone）和组件支撑服务（Common）。
大数据开发人员可以通过Hadoop提供的系统级服务支持从而帮助企业完成大数据改造，对于开发人员来说，只需要关注于具体的服务实现就可以了，系统级功能已经由Hadoop提供了实现。所以，Hadoop是大数据开发人员的重要基础。
随着Hadoop的不断发展，基于Hadoop的大数据生态越发完善，目前包括Ambari、Avro、Cassandra、Chukwa、HBase、Hive、Mahout、Pig、Spark、Tez、Zookeeper等组件陆续被开发出来，这些组件极大的丰富了Hadoop自身的应用。随着组件的增多，Hadoop自身也越来越重，因此目前很多大数据工程师更愿意使用Spark，因为Spark更轻，速度也更快一些（基于内存）。
由于Hadoop对硬件的要求并不高，所以很多初学者都是从Hadoop开始学习大数据的，目前很多商用大数据平台也是基于Hadoop的。
作者简介：中国科学院大学计算机专业研究生导师，从事IT行业多年，研究方向包括动态软件体系结构、大数据、人工智能相关领域，有多年的一线研发经验。
欢迎关注作者，欢迎咨询计算机相关问题。
到此，以上就是小编对于hive分析股票的问题就介绍到这了，希望介绍关于hive分析股票的2点解答对大家有用。
