什么是Hive?Hive的常用配置？hive的运行原理是什么？

一、Hive概述

1.1 什么是Hive

Hive是建立在Hadoop上的数据仓库，提供了一系列工具，可以用来进行数据提取转化加载（ETL），这是一种可以存储、查询和分析存储在 Hadoop 中的大规模数据的机制。

数据库：

mysql、oracle、sqlserver、DB2、sqlite、MDB

数据仓库

Hive，是MR的客户端，也就是说我们不必要在所有的机器上都安装部署Hive

1.2 Hive的特征

1）操作接口是采用SQL语法，我们在Hive中称之为HQL

2）避免了写MapReduce的繁琐过程，内嵌SQL解析引擎，将SQL语句转译成M/R Job然后再Hadoop上执行

3）Hive的表其实就是HDFS的目录/文件，按表名把文件夹分开。如果是分区表，则分区值是子文件夹，可以直接在M/R Job里使用这些数据

1.3 Hive体系结构

1）Client（用户操作接口）

终端命令行

JDBC--不常使用，相对于前者非常麻烦

2）metastore（元数据存储）

Hive 将元数据存储在数据库中(metastore)，目前只支持 mysql、derby。Hive 中的元数据包括表的名字，表的列和分区及其属性，表的属性（是否为外部表等），表的数据所在目录等

3）解释器、编译器、优化器

完成 HQL 查询语句从词法分析、语法分析、编译、优化以及查询计划（plan）的生成。生成的查询计划存储在 HDFS 中，并在随后由 MapReduce 调用执行

4）Server（由Hadoop提供）

Hive的数据存储在HDFS中，用MapReduce进行计算

1.4 HIVE的mateStore

mateStore是Hive存储元数据的地方，默认使用内嵌的derby数据库作为存储引擎

derby弊端：一次只能打开一个会话

mysql：使用mysql作为外置引擎，多用户可以同时访问

二、Hive的常用配置

 

2.1 修改hive文件存储位置

    hive.metastore.warehouse.dir

    /user/hive/warehouse

    location of default database for the warehouse

 

2.2 修改hive在HDFS中文件权限

[root@test04 conf]# hadoop fs -chmod 777 /tmp

2.3 显示数据库名称

    hive.cli.print.header

    true

    Whether to print the names of the columns in query output.

  

 

 

    hive.cli.print.current.db

    true

    Whether to include the current database in the Hive prompt.

 

三、Hive的运行原理