HIVE的定义，HIVE是什么？

一、我们看下官网(https://cwiki.apache.org/confluence/display/Hive/Home)的定义：

The Apache Hive™ data warehouse software facilitates reading, writing, and managing large datasets residing in distributed storage and queried using SQL syntax. 

Built on top of Apache Hadoop™, Hive provides the following features:

1、Tools to enable easy access to data via SQL, thus enabling data warehousing tasks such as extract/transform/load (ETL), reporting, and data analysis.
2、A mechanism to impose structure on a variety of data formats
3、Access to files stored either directly in Apache HDFS™ or in other data storage systems such as Apache HBase™ 
4、Query execution via Apache Tez™, Apache Spark™, or MapReduce
5、Procedural language with HPL-SQL
6、Sub-second query retrieval via Hive LLAP, Apache YARN and Apache Slider.

翻译结果为：

        Apache Hive™数据仓库软件便于读取、写入和管理存储在分布式存储中的大型数据集，并使用SQL语法进行查询。
Hive 构建于Apache Hadoop™之上，提供以下功能：
1、用于通过SQL轻松访问数据的工具，从而支持数据仓库任务，如提取/转换/加载（ETL）、报告和数据分析。
2、一种在各种数据格式上强加结构的机制。
3、访问直接存储在Apache HDFS ™或其他数据存储系统（如Apache HBase ™）中的文件 。
4、通过Apache Tez ™，Apache Spark ™或 MapReduce执行查询。
5、使用HPL-SQL的过程语言。
6、通过Hive LLAP，Apache YARN和Apache Slider进行亚秒级查询检索。

从上面的定义我们可以初步了解：

       Hive是一种建立在Hadoop文件系统上的数据仓库架构，并对存储在HDFS中的数据进行分析和管理，Hive是通过一种类似SQL的查询语言（称为HiveSQL,简称为HQL）分析和管理数据，对于熟悉SQL的用户可以直接利用Hive来查询数据。同时，这个语言也允许熟悉 MapReduce 开发者们开发自定义的mappers和reducers来处理内建的mappers和reducers无法完成的复杂的分析工作。Hive可以允许用户编写自己定义的函数UDF来查询数据。Hive中有3种UDF：User Defined Functions（UDF）用户定义的函数、User Defined Aggregation Functions（UDAF）用户定义的聚合、User Defined Table Generating Functions（UDTF）用户定义的表函数。

二、Hive和传统的关系型数据库的区别：

　　Hive将外部的任务解析成一个MapReduce可执行计划，而启动MapReduce是一个高延迟的一件事，每次提交任务和执行任务都需要消耗很多时间，这也就决定Hive只能处理一些高延迟的应用（如果你想处理低延迟的应用，可以考虑一下Hbase）。
　　在传统的关系数据库中，表的模式是在数据加载的时候强行确定好的。如果在加载时发现数据不符合模式，则拒绝加载这些数据。而Hive在加载的过程中不对数据进行任何的验证操作，其只是简单的将数据复制或者移动到表对应的目录下面。从这方面来说，传统数据库在数据加载的过程中比Hive要慢。但是因为传统数据库在数据加载过程中可以进行一些处理，比如对某一列建立索引等，这样可以提升数据的查询性能。而在这方面Hive不行。
　　我们都知道，数据库的事务、索引以及更新都是传统数据库的重要特性。但是Hive目前还不支持事务；不能对表数据进行修改（不能更新、删除、插入；只能通过文件追加数据、重新导入数据）；不能对列建立索引（但Hive支持索引的建立，但是不能提高Hive的查询速度。如果你想提高Hive的查询速度，需要学习Hive的分区、桶的应用）。
下表列出了RMDB和Hive的比较：

比较项	SQL	HiveQL
ANSI SQL	支持	不完全支持
更新	UPDATE\INSERT\DELETE	insert OVERWRITE\INTO TABLE
事务	支持	不支持
模式	写模式	读模式
数据保存	块设备、本地文件系统	HDFS
延时	低	高
多表插入	不支持	支持
子查询	完全支持	只能用在From子句中
视图	Updatable	Read-only
可扩展性	低	高
数据规模	小	大
....	......	......