13、以下描述中属于Hive优点的是

A.Hive是一个基于Hadoop的数据仓库工具，可以用于对存储在Hadoop文件中的数据集进行数据整理、特殊查询和分析处理###SXB###B.Hive的学习门槛比较低，因为它提供了类似于关系数据库SQL语言的查询语言——HiveQL###SXB###C.当采用MapReduce作为执行引擎时，Hive可以通过HiveQL语句快速实现简单的MapReduce统计，Hive自身可以将HiveQL语句快速转换成MapReduce任务进行运行###SXB###D.Hive在某种程度上可以看作是用户编程接口，其本身并不存储和处理数据

A.数据查询（DQL）

B.数据操作（DML）

C.数据转换（DTL）

D.数据控制（DCL）

A.数据查询（DQL）

B.数据操作（DML）

C.数据转换（DTL）

D.数据控制（DCL）

A.Hive中所有的数据都存储在 HDFS 中，没有专门的数据存储格式

B.Hive利用HDFS存储数据，利用MapReduce查询数据

C.Hive可以处理非结构化数据

D.Hive采用类SQL语法，提供快速开发的能力，避免了去写MapReduce程序

A.Hive主要是为分析数据而设计的数据仓库

B.Hive的数据最终都保存为HDFS文件

C.Hive将用户的查询语句转换为MapReduce作业提交到Hadoop集群上执行

D.Hive能够在大规模数据集上实现低延迟快速的查询

A.Hive主要是为分析数据而设计的数据仓库

B.Hive的数据最终都保存为HDFS文件

C.Hive将用户的查询语句转换为MapReduce作业提交到Hadoop集群上执行

D.Hive能够在大规模数据集上实现低延迟快速的查询

A.Hive主要是为分析数据而设计的数据仓库

B.Hive的数据最终都保存为HDFS文件

C.Hive将用户的查询语句转换为MapReduce作业提交到Hadoop集群上执行

D.Hive能够在大规模数据集上实现低延迟快速的查询

A.Hive主要是为分析数据而设计的数据仓库

B.Hive的数据最终都保存为HDFS文件

C.Hive将用户的查询语句转换为MapReduce作业提交到Hadoop集群上执行

D.Hive能够在大规模数据集上实现低延迟快速的查询

A.在Shark原有的架构上重写了逻辑执行计划的优化部分，解决了Shark存在的问题

B.Spark SQL在Hive兼容层面仅依赖HiveQL解析和Hive元数据

C.Spark SQL执行计划生成和优化都由Catalyst（函数式关系查询优化框架）负责

D.Spark SQL执行计划生成和优化需要依赖Hive来完成