Amazon Elastic MapReduce（EMR）是一个实用的应用程序开发工具，它包含日志分析、财务分析、市场分析和其他复杂分析功能。它使用开源框架Hadoop，并将数据分散到一组Amazon EC2实例上。

对Hadoop来说，大数据分析的最佳方法是使用Hive，它是一个运行在Hadoop上的开源数据仓库和分析包。Hive脚本使用一种叫做Hive SQL的类SQL语言。它比使用Java编写MapReduce程序简单得多。

下面将举例说明如何基于Amazon EMR，比如“使用Apache Hive实现精准的广告投放”，创建一个HIVE集群。这个例子演示了如何将客户点击数据与特定的广告投放相关联。

首先，打开Amazon Elastic MapReduce控制台。然后单击，Create Cluster（创建集群），按照下面五个步骤完成配置。

第1步：配置一个集群

1. 在Cluster name（集群名称）域中，输入描述名称。名称不要求唯一。
2. Termination protection（中止保护）域保持默认值Yes（是）不变。这个值可以保证集群不会因为意外事件或错误而关闭。
3. Logging（日志记录）域保留默认值Enabled（启用）。日志数据将发送到Amazon S3。
4. 在Log folder S3 location（日志文件夹在S3的位置）域中，输入以下格式的库名称与文件夹：s3://<bucket name>/<folder>/
5. Debugging（调试）域保留默认值Enabled（启用）。

Tag（标签）部分是可选的。EMR集群最多可以添加10个标签。每一个标签都包含一对区分大小写的键和值。

第2步：创建软件配置

1. 在Hadoop distribution（Hadoop发行版）下拉框保留Amazon默认值。
2. 在AMI version（AMI版本）下拉框中，选择2.4.2（Hadoop 1.0.3）。
3. 在Application to be installed（安装的应用程序）中，保留Hive，删除Pig。

步骤3：创建硬件配置

1. 在Network（网络）域中，选择Launch into EC-2 Classic（在EC-2 Classis中启动）。
2. 在EC2 Subnet（EC2子网）域中，选择No preference（无首选）。
3. 在Master（主）、Core（核心）和Task（任务）域中，将EC2实例类型设置为m1.small。所有节点都使用小型实例来处理轻量负载（降低费用）。它们的默认Count（数量）分别为1、2和0。所有三个域都取消选定Request Spot Instances（请求竞价实例）。

注：每个AWS帐号可支持的最大节点数量为20个。如果运行两个集群，那么两个集群上运行的总节点数不能超过20个。如果需要使用多于20个节点，则必须向亚马逊提交请求增加亚马逊EC2实例的上限。

第4步：创建安全性和访问控制

1. 在EC2 key pair（EC2密钥对）域中，在列表上选择一个Amazon EC2密钥对。这样就可以使用Secure Shell （SSH）连接主节点。
2. 在IAM user access（IAM用户访问）域中，保留默认值No other IAM users（不允许其他IAM用户）。
3. 在EC2 role（EC2角色）框中，保留默认值no roles found（找不到角色）。

Bootstrap Actions（启动操作）区域不需要修改。

第5步：指定集群参数

1. 在Steps（步骤）区域中，选择列表的Hive Program（Hive程序），然后单击Configure and add（配置与添加）。
2. 在Name（名称）域中，默认值为Hive Program（Hive 程序）。
3. 在Script s3 Location（S3脚本位置）域（必填）中，输入BucketName/path/ScriptName格式的值，例如：s3n://elasticmapreduce/samples/hive-ads/libs/model-build。
4. 在Input S3 Location（S3输入位置）域（可选）中，输入BucketName/path格式的值，例如：s3n://elasticmapreduce/samples/hive-ads/tables。这个值会通过参数INPUT传递到Hive脚本中。
5. 在Output S3 Location（S3输出位置）域（可选）中，输入BucketName/path格式的值，例如：s3n://myawsbucket/hive-ads/output/2014-4-14。这个值会通过参数OUTPUT传递给Hive脚本。
6. 在Arguments（参数）域中，输入像这样的内容：– d LIBS=s3n://elasticreducemap/samples/hive-ads/libs。Hive脚本需要额外的程序库。
7. 在Action on Failure（出错处理）域中，选择Continue（继续下一步）。如果当前步骤出错，那么它会继续执行下一步骤。

完成之后，单击Add（添加），然后单击Create Cluster（创建集群）。这时会出现Summary（小结）窗口。

和例子“使用Apache Hive实现基于情景的广告投放”一样，我们必须在一个主节点上准备一个Hive会话，然后才能执行查询和分析大数据。

我们要每隔5分钟将Impression（广告展现）和Click Log Files（点击日志文件）推送到Amazon S3。每当有一条广告显示给客户查看，就会增加一条广告展现记录。每当用户点击一条广告，就会产生一条单击日志文件记录。使用类SQL的查询，可以很方便地将客户点击数据与特定广告投放相关联。

总之，分析大数据的最佳方法是在Hadoop上运行Hive，并且使用SQL查询来简化日志数据的分析。