1. 소개

2. Apache Hadoop 기초
-Hadoop에 대한 동기
-Hadoop 개요
-데이터 스토리지 : HDFS
-분산 데이터 처리 : YARN, MapReduce 및 Spark
-데이터 처리 및 분석 : Pig, Hive 및 Impala
-데이터베이스 통합 : Sqoop
-기타 Hadoop 데이터 도구
-실습 시나리오 설명

3.Apache Hive 및 Impala 소개
-Hive란?
-Impala란?
-Hive와 Impala를 사용하는 이유
-스키마 및 데이터 스토리지
-Hive 및 Impala와 기존 데이터베이스 비교
-사용 사례

4.Apache Hive 및 Impala를 사용한 쿼리
-데이터베이스 및 테이블
-기본 Hive 및 Impala 쿼리 언어 구문
-데이터 유형
-Hue를 사용하여 쿼리 실행
-Beeline (Hive의 셸) 사용
-Impala Shell 사용

5.공통 연산자 및 내장 함수
-연산자
-스칼라 함수
-집계 함수

6.데이터 관리
-데이터 스토리지
-데이터베이스 및 테이블 생성
-데이터 로딩
-데이터베이스 및 테이블 변경
-View를 사용하여 쿼리 단순화
-쿼리 결과 저장

7.데이터 스토리지 및 성능
-테이블 분할
-분할된 테이블에 데이터 로딩
-파티셔닝을 사용하는 경우
-파일 형식 선택
-Avro 및 Parquet 파일 형식 사용

8.다중 Datasets 작업
-UNION 및 Join
-Join에서 NULL 값 처리
-고급 Joins

9.분석 함수 및 Windowing
-일반적인 분석 함수 사용
-기타 분석 기능
-슬라이딩 윈도우

10.복잡한 데이터
- 복잡한 데이터 Hive 사용
- 복잡한 데이터 Impala 사용

11.텍스트 분석
-Hive 및 Impala에서 정규식 사용
-Hive에서 SerDes로 텍스트 데이터 처리
-Sentiment 분석 및 n-grams

12.Apache Hive 최적화
-쿼리 성능 이해
-Bucketing
-Hive on Spark

13.Apache Impala 최적화
-Impala가 쿼리를 실행하는 방법
-Impala 성능 향상

14.Apache Hive 및 Impala 확장
-Hive의 사용자 지정 SerDes 및 파일 형식
-Hive에서 사용자 지정 스크립트를 사용한 데이터 변환
-사용자 정의 함수
-매개 변수화 된 쿼리

15.작업에 가장 적합한 도구 선택
- Hive, Impala 및 관계형 데이터베이스 비교
- 무엇을 선택해야 할까?

16. 결론