摘要：

目前，我们所面对的一个严峻挑战，是如何有效地处理规模越来越大、来势越来越猛的"数据海啸"，又称"大数据"（Big Data）。这样的数据借助互联网的快速传递而无所不在：从各种科学研究基地，到众多政府机构，还有各大商业企业公司。举世界上最大社交网Facebook（脸谱）公司为例，现在每天有超过70 Terabytes 经过压缩后的新数据需要存储、管理和分析。这个数据规模还在增加。主流的商业和开源数据库系统，包括并行数据库系统，在规模、性能和费用等方面都无法应对日益增涨的大数据。

以MapReduce 为基础的开源软件 Hadoop已成为在大规模可扩展的分布式系统上处理大数据的重要引擎。开源软件Hive是一个以Hadoop为基础的并在世界上广泛使用的大型数据仓库。在这个报告里，我将介绍Hive中的两个关键技术：（1）数据的分布存储结构（RCFile），（2）一个将SQL自动转化为MapReduce的翻译器 （YSmart）。

报告人简介：
张晓东教授是美国俄亥俄州立大学的 Robert M. Critchfield讲席教授，并担任计算机科学与工程系主任。他的主要研究方向是在计算机和分布式系统上的数据管理，其主持研究的一些核心算法和系统设计已被广泛应用到商业处理器，以及主要操作系统、数据库系统和大型分布式系统中，有效地优化或更新了计算机存储和数据处理系统中的一些关键技术。

张晓东教授在北京工业大学获电气工程学士学位,在美国科罗拉多大学获计算机科学博士学位，并获得该校2011年度工程与应用科学的杰出校友奖。他曾获得2010年中国计算机学会海外杰出贡献奖，是国际电气电子工程师学会 (IEEE) Fellow。