数据仓库配置单元
但现在我想整合数据并进行分析。这时，数据仓库(DW)就派上了用场。它可以过滤和整合各种业务数据，可用于数据分析、数据挖掘和数据报告。
一般来说，数据仓库按照一定的主题集成来自多个数据源的数据。因为之前的数据不一样，需要提取，清洗，转换。
整合的数据不能随便修改，只能分析，需要定期更新。
正如我们上面所说，数据仓库接收的数据源是不同的。如果要集成，需要三个步骤:提取、清洗、转换，也就是ETL(提取-转换-加载)。
国内最常用的数据仓库是基于Hadoop的开源数据仓库，名为Hive，可以查询分析HDFS存储的文件数据。
Hive可以对外提供HiveQL，这是一种类似于SQL语言的查询语言。HiveQL语句在查询时可以转换成MapReduce任务，可以在Hadoop层执行。
Hive最大的优势就是免费。其他知名的商业数据仓库呢？比如Oracle和DB2，其中Teradata是行业老大。
Teradata数据仓库支持大规模并行处理平台(MPP)，可以高速处理海量数据。其实它的性能远高于Hive。对于企业来说，只需要专注于业务，在管理技术上节能，实现ROI最大化。
如上所述，Hive是最著名的开源数据仓库，它是Hadoop生态系统中的重要组成部分。
在Hadoop生态中，HDFS解决了分布式存储的问题，MapReduce解决了分布式计算的问题，HBASE提供了一种NoSQL的存储方式。
但是，如果您需要查询HDFS的文件或HBASE的表，您需要自定义MapReduce方法。那么Hive实际上是HDFS之上的一个中间层，允许业务人员直接用SQL查询。
所以Hive是通过数据抽取转换加载的，它可以把SQL转换成MapReduce任务，Hive表是HDFS的目录或文件。
上图是Hive的架构。
Hive主要包括以下数据模型:
为什么这篇文章是数据仓库？注释