题目内容
（请给出正确答案）
A、Hive最佳使用场景是大数据集的批处理作业
B、Hive可以实现在大规模集群上实现低延迟快速查询
C、Hive构建在基于静态批量处理的Hadoop之上，Hadoop通常有较高的延迟并且在提交作业和调度的时候需要大量的开销
D、Hive查询操作过程严格遵循HadoopMap Reduce的作用执行模型，Hive将用户的HiveSQL语句通过解释器转换为Map ReduceHadoop集群上
如果结果不匹配，请 联系老师 获取答案
更多“关于HIVE的描述不正确的是:()。”相关的问题
B.Hive可以实现在大规模数据集上实现低延迟快速的查询
C.Hive构建在基于静态批量处理的Hadoop之上，Hadoop通常有较高的延迟并且在作提交和调度的时候需要大量的开销
D.Hive查询操作过程严格遵循HadoopMapReduce的作用执行模型，Hive将用户的HiveQL语句通过解释器转换为MapReduceHadoop集群上
A.数据加载时，overwrite关键字是必须的
B.删除表时，表中的数据可以同时删除掉
C.hive的内表和外表都可以修改location属性
D.Hive是在数据查询时进行模式验证，而不是加载的时候验证
A.Hive最终将数据存储在HDFS中
B.HiveSQL其本质是执行的MapReduce任务
C.Hive是Hadoop平台的数据仓库工具
D.Hive对HBase有强依赖
A.内部表数据由Hive自身管理，外部表数据由HDFS管理
B.外部表数据的存储位置由自己制定
C.删除内部表会直接删除元数据(metadata)及存储数据
D.删除外部表，HDFS上的文件也会被删除
A.一旦表建好，不可再修改表名
B.一旦表建好，不可再增加新列
C.创建外部表时需要制定externa关键字
D.一旦表创建好，不可再修改列名
A.能基于Atlas的Web页面查询用户的数据查询操作历史
B.能基于Atlas的Web页面浏览数据的血缘关系
C.能基于Atlas的Web页面标注元数据，为元数据分类
D.Atlas支持与Hive数据源的集成，可以实时获取Hive的元数据变化
A.Kafka作为高并发实时接入缓存，解决接入量的问题
B.Flink作为实时计算引擎实时消费Kafka数据写入HBase
C.HBase数据库为海量实时接入数据提供存储与实时查询能力
D.Hive为海量历史数据提供实时分析能力
A.Hive支持所有标准SQL语法
B.Hive底层采用的计算引擎是MapReduce
C.Hive提供的HQL语法，与传统SQL很类似
D.HiveServer可采用MySQL存储元数据信息
