我正在使用 Cassandra 来存储我的数据并使用 hive 来处理我的数据。 我有 5 台机器，我在上面设置了 cassandra，2 台机器用作分析节点（hive 运行的地方） 所以我想问的是，hive 是否只在两台机器（分析节点）上进行 map reduce 并将数据带到那里，或者它也将进程/计算移动到 5 个 cassandra 节点并在这些机器上处理/计算数据。（我知道在hadoop中，进程移动到数据而不是要处理的数据）。
【问题讨论】：
如果你有兴趣将 Hadoop 和 Cassandra 结合起来——第一个链接应该是围绕这个概念构建的 DataStax 公司。 http://www.datastax.com/
他们用 cassandra 代替 HDFS 构建并支持 hadoop。
据我所知 - 他们确实有数据本地化：http://blog.octo.com/en/introduction-to-datastax-brisk-an-hadoop-and-cassandra-distribution/
如果您针对 cassandra 运行 MapReduce，则有关于 Hadoop 和 Cassandra 数据局部性的好答案
Cassandra and MapReduce - minimal setup requirements
关于您的问题 - 需要权衡：
a) 如果您在单独的节点上运行 Hadoop / Hive，您会失去数据局部性，并且您的数据吞吐量会受到网络带宽的限制。
b）如果您在与 cassandra 运行相同的节点上运行 hadoop / Hive - 您可以获得数据局部性，但 Hive 查询背后的 MapReduce 处理可能会阻塞您的网络（和其他资源），从而影响您从 cassandra 获得的服务质量。
如果您的 cassandra 集群的性能至关重要，我的建议是使用单独的 hive 节点。
如果您的 cassandra 主要用作数据存储并且不处理实时请求 - 那么在每个节点上运行 hive 将提高性能和硬件利用率。
【讨论】：