HIVE入门

Hive简介:

Hive是一个构建于Hadoop顶层的数据仓库工具，可以查询和管理PB级别的分布式数据。 
支持大规模数据 存储、分析，具有良好的可扩展性 某种程度上可以看作是用户编程接口，本身不存储和处理数据。 
依赖分布式文件系统HDFS存储数据。
依赖分布式并行计算模型MapReduce处理数据。 
定义了简单的类似SQL 的查询语言——HiveQL。 
用户可以通过编写的HiveQL语句运行MapReduce任务。 
是一个可以提供有效、合理、直观组织和使用数据的分析工具。 

Hive具有的特点非常适用于数据仓库。

1. 采用批处理方式处理海量数据,Hive需要把HiveQL语句转换成MapReduce任务进行运行。 数据仓库存储的是静态数据，对静态数据的分析适合采用批处理方式，不需要快速响应给出结果，而且数据本身也不会频繁变化。
2. 提供适合数据仓库操作的工具 Hive本身提供了一系列对数据进行提取、转换、加载（ETL）的工具，可以存储、查询和分析存储在Hadoop中的大规模数据。
   这些工具能够很好地满足数据仓库各种应用场景。
3. 支持MapReduce，Tez，Spark等多种计算引擎。
4. 可以直接访问HDFS文件以及HBase。
5. 易用易编程。