Hive中的解释器(complier)、优化器(optimizer)、执行器(executor)组件用于HQL语句从词法分析、语法分析、编译、优化以及查询计划的生成。生成的查询计划存储在中,并在随后由调用执行()
A.内存.MapReduce
B.HDFS.Yarn
C.H Base.Yarn
D.HDFS.Map Reduce
A.内存.MapReduce
B.HDFS.Yarn
C.H Base.Yarn
D.HDFS.Map Reduce
A.模拟执行器
B.解释器
C.表格处理和出错处理
D.符号执行器
A. 选中注释后按Delete键
B. 使用“Advanced(高级)>PDF Optimizer(PDF优化器)”命令
C. 使用“File(文件)>Export Comments(导出注释)”命令
D. 重新Distiller生成PDF文档
A、Hive最佳使用场景是大数据集的批处理作业
B、Hive可以实现在大规模集群上实现低延迟快速查询
C、Hive构建在基于静态批量处理的Hadoop之上,Hadoop通常有较高的延迟并且在提交作业和调度的时候需要大量的开销
D、Hive查询操作过程严格遵循HadoopMap Reduce的作用执行模型,Hive将用户的HiveSQL语句通过解释器转换为Map ReduceHadoop集群上
运行时,由java解释器自动引入,而不需要import语句引入的包是java.lang包。()
A.Python注释语句不被解释器过滤掉,也不被执行
B.注释可用于标明作者和版权信息
C.注释可以辅助程序调试
D.注释用于解释代码原理或者用途
A.符号执行器
B. 模拟执行器
C. 解释器
D. 表格管理和出错处理
A.HIVE构建于HDFS和MapReduce之上
B.HIVE使用类SQL的HQL语言作为查询接口
C.HIVE的并行执行主要依赖MapReduce来实现
D.HIVE不能运行在Spark上
A、Hive最终将数据存储在HDFS中
B、Hive是Hadoop平台的数据仓库工具
C、HQL可以通过Map Reduce执行任务
D、Hive对HBase有强依赖
为了保护您的账号安全,请在“简答题”公众号进行验证,点击“官网服务”-“账号验证”后输入验证码“”完成验证,验证成功后方可继续查看答案!