在看这篇文章前，请先了解一下：
1，cdh6 flink 安装
2，flink on yarn 提交任务的二种方式
3，cdh hive 2.1.1 升级到 2.3.4
最近在玩flink，想让flink sql借用hive的元数据库。可是呢，flink sql能连hive的版本，到目前为止只有2个，hive 1.2.1和hive 2.3.4。
cdh6.3.1装的hive是2.1.1，所以不升级hive，flink sql根本用不了。
默认情况下，简单的HQL查询会扫描整个表。查询大表时，这会降低性能。可以通过创建分区来解决此问题。在Hive中，每个分区对应于预定义的分区列，这些分区列映射到HDFS中表的目录中的子目录。当查询表时，只读取表中所需的数据分区（目录），因此查询的I/O和时间大大减少。使用分区是提高Hive性能的一种非常简单有效的方法。
1，创建hbase表
当表数据以文本文件的形势，存放在hdfs上，不管是内部表，还是外部表，导入数据都是比较好操作的。直接通过hdfs命令直接copy到文件服务器上的对应目录就好了，注意hdfs目录的访问权限。
parquet也是可以这样操作的
Presto是一个运行在多台服务器上的分布式系统。 完整安装包括一个coordinator（调度节点）和多个worker。 由客户端提交查询，从Presto命令行CLI提交到coordinator。 coordinator进行解析，分析并执行查询计划，然后分发处理队列到worker中。
Presto通过使用分布式查询，可以快速高效的完成海量数据的查询。作为Hive和Pig的替代者，Presto不仅能访问HDFS，也能访问不同的数据源，包括：RDBMS和其他数据源（如Cassandra）。虽然Presto可以解析SQL，但它不是一个标准的数据库。不是MySQL、PostgreSQL或者Oracle的代替品，也不能用来处理在线事务（OLTP）
没有用cdh系列，但是又想用impala 3.3。安装impala有二种方式，一种源码安装，一种是rpm安装。impala早期版本，还可以设置yum源，进行安装。
不管是哪种方式安装，最终都是cdh中的impala
hbase通过scan和filter可以实现分页功能，网上已经有很多了。今天要说的是通过hivesql的形势来实现分页。
hbase可以进行亿级数据存储，查询数据用scan,get还是比较弱的，不支持sql查询，这就增加了数据分析人员的学习成本。hbase只提供了简单的基于Key值的快速查询能力，要进行复杂的查询功能，通过filter还是比较麻烦的。
不过hive与hbase的整合解决这个问题。不仅如此，还能通过hive将数据批量地导入到hbase中。在看本文前，请查看以下文章