Hive

转：https://blog.csdn.net/wx1528159409/article/details/84667658

从概念上理解

Hive是基于Hadoop的一个数据仓库工具；它是MapReduce的一个封装，底层就是MapReduce程序；

Hive可以将结构化的数据文件（eg：按照各字段分类的数据）映射成一张虚表，并提供类SQL查询功能；

有了Hive后我们就不用再写麻烦的MapReduce程序了。

从本质上来说；

Hive就是把sql语句转化为MapReduce程序。

Hive没有服务端，它本质是Hadoop或者说是HDFS的一个客户端，对HDFS的数据和Meta store的元数据进行操作；

通常我们启动Hive是通过JDBC客户端操作的；

ps：对比hadoop中，通过命令start-dfs.sh启动HDFS服务端，然后通过hadoop fs -命令来启动HDFS客户端进行实际操作；

服务端是提供后台服务的，客户端是进行具体操作然后让服务端提供对应服务的。

为什么说Hive是基于Hadoop的呢？
（1）Hive处理的数据实际存放在HDFS中，默认路径/user/hive/warehouse；

（2）Hive分析数据的底层实现还是MapReduce程序；

（3）Hive调度资源时，用的是Yarn框架；

（4）在服务器中运行Hive之前需要群起HDFS和YARN。

Hive的优缺点
1. 优点
（1）简单、只需要写SQL语句就行；

（2）Hive常用于数据分析，适合处理离线数据（静态数据）；

（3）优势在于处理大数据；

（4）支持用户自定义函数；

ps：mysql适合处理数据的增删改查，适合处理实时数据（动态数据）

2. 缺点
（1）Hive的表达有限，无法表达迭代式算法（（第一个MapReducer程序的结果作为另一个MapReducer程序的输入，这种就是迭代式算法））；

（2）数据挖掘不擅长（擅长数据挖掘的是Spark）；

（3）Hive自动生成MapReduce作业，通常不够智能化，效率比较低；

（4）Hive调优一般比较困难，粒度较粗。

Hive

原文：https://www.cnblogs.com/wex1022/p/15125556.html