hive没有专门买的数据存储格式，也是没有为数据建立起索引，用户这个可以太契约的组织hive中的表，只需要在创建战队表的时候提醒hive数据中的列分隔符和行分隔符，hive就可以不题数据。
主要，hive中所有的数据都存储在hdfs中，hive中中有以下数据模型：table，externaltable，partition，bucket。
爬虫只不过是数据声望兑换的捷径，假如想要学数据分析，是需要应该需要打听一下数据分析的过程。这里简单说再看看数据分析的过程并告诉每个部分不需要完全掌握的知识。
1.定义方法问题确定必须的问题，包括想结果得出。必须决定的选项有很多，要根据原先业务去确定。最常见的有：变化趋势、用户画像、会影响因素、历史数据等等。
《数据之美》：这一本书里面没有什么干货，但有很多案例，可以实际里面的案例来了解数据分析的基本是过程。又不是很厚，但里面的数据分析思想太值得去爱学，不过ideal才是最重要的。
2.数据获取数据获取的有很多种。一是这个可以再从企业数据库调取监控，这时候就必须sql技能去能够完成数据提取等的数据库管理工作。二是某些公开数据，也可以从、企业、统计局等机构去下载为了公开数据。三是是从pythonc语言设计网页爬虫，再收集互联网的数据。
sql是用于访问网络和如何处理数据库的标准的计算机语言。是需要掌握到如何使用sqlftp连接和一次性处理数据系统中的数据。sql在公司的应用多，的确是必须掌握到的。
这里我推荐一下一个sql的教程：
3.数据预处理而且原始数据可能会会有很多问题比如残缺、再重复一遍、不生效的数据，因此数据预处理通常是对无比数据通过彻底清洗，以备万一十分清楚的分出讲结果。而我最你经常做的那是设定好一些筛选规则把异样数据剔除掉，以及将缺乏值用平均值或者线性函数大概参与填补。
这里也很多涉及的就是统计学的知识了，刚初学者不建议把统计学翻个底朝前的学习，要不然可能会觉得很疲惫。因此建议您暂时不先完全掌握一些基本都的预处理。帮我推荐：《深入浅出统计学》，这本书也算是更加合适入门学习了，要是对统计学一点儿了解都还没有或是都忘得也差不多了，也可以从他先学些。假如大学时数学就特别好，就不推荐这本书。
4.数据分析与建模这个部分学过来很可能会觉得很抽象化，只不过模型是对现实就是现实世界特征的模拟真实和抽像。在这个部分是需要清楚都差不多的统计分析方法、数据挖掘算法，知道一点相同统计方法适用规定的场景和合适的问题。而文本挖掘的算法、特征提取也可以利用系统优化自己的模型，完成任务好些的结果。
这个部分不属于的知识就都很古怪，这是一个组建数据模型的过程，内容以及数据结构、数据操作、数据约束。还得怎么学习的是数据挖掘和算法，要很不错的数学基础。
5.数据可视化和分析报告编写书籍数据可视化，怎么学习一款可视化工具，将数据按照可视化最比较直观的展现出去。也也可以及时深入研究其内部的关系，建模和分析，来对未来的情况有更火弹的预测。
数据可视化的方法有很多，常见的有用spss、r语言来参与可视化，如果编程能力不足也也可以你选择一款比较喜欢的可视化软件。这里我推荐一个tableau，原因不过是简单易用还携带免费的教程。
