Hive简介
什么是Hive
- Hive由Facebook实现并开源
- 是基于Hadoop的一个数据仓库工具
- 可以将结构化的数据映射为一张数据库表
- 提供HQL（Hive SQL）查询功能
- 底层数据是存储在HDFS上
- Hive的本质是将SQL语句转换为MapReduce任务运行
- 使不熟悉MapReduce的用户很方便地利用HQL处理和计算HDFS上的结构化数据，适用于离线的批量数据计算
为什么使用Hive
? 直接使用MapReduce所面临的问题：
- 人员学习成本太高
- 项目周期要求太短
- MapReduce实现复杂查询逻辑开发难度太大
为什么要使用Hive：
- 更友好的接口：操作接口采用类SQL的语句，提供快速开发的能力
- 更低的学习成本：避免了写MapReduce，减少开发人员的学习成本
- 更好的扩展性：可自由扩展集群规模而无需重启服务，还支持用户自定义函数
Hive的特点
? 优点：
可扩展性、横向扩展：Hive可以自由的扩展集群的规模，一般情况下不需要重启服务。
- 横向扩展：通过分担压力的方式扩展集群的规模
- 纵向扩展：一台服务器cpu i7
延展性：
良好的容错性
缺点：
- Hive不支持记录级别的增删改查
- Hive的查询延迟很严重
Hive不支持事务
Hive和RDBMS的对比
| 查询语言 |
HQL |
SQL |
| 数据存储 |
HDFS |
Raw Device or Local FS |
| 执行器 |
MapReduce |
Executor |
| 数据插入 |
支持批量导入/单条插入 |
支持批量导入/单条插入 |
| 处理数据规模 |
大 |
小 |
| 执行延迟 |
高 |
低 |
| 分区 |
支持 |
支持 |
| 索引 |
0.8版本之后加入简单索引 |
支持复杂的索引 |
| 扩展性 |
高（好） |
有限（查） |
| 数据加载模式 |
读时模式（快） |
写时模式（慢） |
| 应用场景 |
海量数据查询 |
实时查询 |
总结：
? Hive具有SQL数据库的外表，但应用场景完全不同，Hive只适合用来做海量离线数据统计分析，也就是数据仓库。
Hive架构
1. 用户接口：shell/CLI，jdbc/odbc.webui Command Line Interface
CLI,Shell终端命令行（Command Line Interface），采用交互形式使用hive命令与Hive进行交互，最常用（学习，调试，生产）
2.跨语言服务：thrift server 提供了一种能力，让用户可以使用多种不同的语言来操作Hive
3.底层的Driver：驱动器Driver，编辑器Compiler，优化器Optimizer，执行器Executor
4.元数据存储系统：RDBMS MySQL
元数据：通俗的讲，就是存储在Hive中的数据的描述信息。
Hive学习之路（一）Hive初识
原文：https://www.cnblogs.com/shine-rainbow/p/11374399.html
