我有一个用于生产服务器的Postgres数据库，需要使用Hadoop对其进行定期分析。Hadoop中的每个查询都应基于Postges数据库中的最新版本。不同步是可以接受的，但应该只延迟几分钟。如何在Hadoop中进行这种近乎实时的数据分析？ 最佳答案 是的，可以通过配置StorageHandler来实现Hive的API实现。StorageHandler的概念只是将外部表元数据单独存在于Hivemetastore中，实际的数据存储系统将是外部数据源。其中hive表元数据将包含外部数据库表的详细信息，以及通常的列和格式详细信息。每当您向

我们有一些Postgres查询需要6到12个小时才能完成，并且想知道Hadoop是否适合更快地完成它。我们有(2)个64核服务器和256GBRAM可供Hadoop使用。我们正在运行PostgreSQL9.2.4。Postgres只在一台服务器上使用一个内核来进行查询，所以我想知道Hadoop是否可以将查询速度提高大约128倍，同时减去开销。我们有两组数据，每组都有数百万行。设置一:idcharactervarying(20),a_latdoubleprecision,a_longdoubleprecision,b_latdoubleprecision,b_longdoublepreci

我只是Hadoop的初学者，我的一所大学要求我帮助将一些PostgreSQL表迁移到Hadoop。由于我没有太多使用PostgreSQL的经验(虽然我知道数据库)，我不确定什么是进行此迁移的最佳方式。我的想法之一是将表导出为gson数据，然后从Hadoop中处理它们，如本例所示:http://www.codeproject.com/Articles/757934/Apache-Hadoop-for-Windows-Platform.有没有更好的方法将数据(表和数据库)从PostgreSQL导入到Hadoop？ 最佳答案 Sqoop(

我遇到的问题是，当我运行bin/hadoopfs-ls时，它会打印出我所在的本地目录的所有文件，而不是hdfs中的文件(目前应该没有)。以下是我如何设置所有内容:我已经下载并解压了所有0.20.2文件到/home/micah/hadoop-install/。我已经使用以下设置编辑了我的conf/hdfs-site.xml并创建了适当的目录:fs.default.namelocalhost:9000dfs.data.dir/home/micah/hdfs/datadfs.name.dir/home/micah/hdfs/name然后我运行bin/hadoopnamenode-format

我的配置是hduser@worker1:/usr/local/hadoop/conf$jpsTheprogram'jps'canbefoundinthefollowingpackages:*openjdk-6-jdk*openjdk-7-jdkAskyouradministratortoinstalloneofthem虽然我安装了javahduser@worker1:/usr/local/hadoop/conf$java-versionjavaversion"1.6.0_23"OpenJDKRuntimeEnvironment(IcedTea61.11pre)(6b23~pre10-0

我的本​​地机器(Windows)上有一个PostgreSQL数据库，我想使用ApacheSqoop将它导入到我的Hortonworks沙箱中。虽然像this听起来不错，复杂的因素是我的Sandbox位于Docker容器中，所以像sqooplist-tables--connectjdbc:postgresql://127.0.0.1/ambari--usernameambari-P这样的语句似乎遇到身份验证错误。我认为问题出在尝试从docker容器内部连接到本地主机。我看了thispost关于从容器内连接到MySQL数据库和thisone尝试改用PostgreSQL，但到目前为止还没有

我需要安装一个“可挂载的HDFS”。四处搜索，我最终找到了几个教程:https://ccp.cloudera.com/display/CDHDOC/Mountable+HDFShttp://xmodulo.blogspot.de/2012/06/how-to-mount-hdfs-using-fuse.html(和其他类似的)它们都以sudoapt-getinstallhadoop-0.20-fuse开头。但这是行不通的。我收到错误消息:找不到包。我还是Linux的新手。我怎样才能让我的Ubuntu找到这个包？(全新安装的Ubuntu12.10LTS。从那时起我唯一做的就是安装和配置H

我需要一些关于Hadoop和OpenStreetMap的周末项目的想法。我可以访问我的EBS卷中带有OpenStreetMap快照的AWSEC2实例。OpenStreetMap数据位于PostgreSQL数据库中。什么样的MapReduce函数可以在OpenStreetMap数据上运行，假设我可以将它们导出为xml格式，然后放入HDFS？换句话说，我现在脑子抽筋了，想不出什么样的MapReduce操作可以从OpenStreetMapxml中提取有值(value)的信息？(即提取所有指定为公园或高尔夫球场的地方。但这只需要进行一次，而不是连续进行)非常感谢 最

大数据=1TB，每年增长10%。模型很简单..一张表有25列。不与其他表连接..我希望对25列的子集进行简单的查询过滤..我猜传统的SQL存储在过滤列上有索引是必需的。Hadoop是矫枉过正，没有意义，因为这是一个实时服务。蒙戈？像pentaho这样的双引擎？有什么建议吗？ 最佳答案 似乎传统解决方案确实听起来不错，除非您所描述的真正简单的模型不会有任何重大变化。NoSQL听起来不是BI/报告的最佳选择。获得一个好的硬件。花时间进行性能测试并构建所有必需的索引。实现适当的新数据上传策略。实现表级partitioning根据您的需求和

我正在尝试将一个表从Postgresql导入到HDFS上的一个Parquet文件。这是我的做法:sqoopimport\--connect"jdbc:postgresql://pg.foo.net:5432/bar"\--usernameuser_me--password$PASSWORD\--tablefoo.bar\--target-dir/user/me/bar\--as-parquetfile我明白了INFOmanager.SqlManager:ExecutingSQLstatement:SELECTt.*FROM"foo.bar"AStLIMIT1ERRORmanager.S