Hive基本概念

1、什么是Hive？

基于Hadoop的数据仓库解决方案
将结构化的数据文件映射为数据库表
提供类sql的查询语言HQL（Hive Query Language）
Hive让更多的人使用Hadoop
为什么要使用Hive？
比如词频统计，mapreduce需要写一大堆代码，hive一条select就ok了；
由此可见，MapReduce执行效率更快，Hive开发效率更快。
所以，我们使用Hive是因为MapReduce太难用了。

2、Hive框架设计

基本构成（重要）
1、Hive将元数据存储在数据库中，如MySQL。Hive中的元数据包括表的名字、表的列和分区、表的属性、表的数据所在目录等一切描述数据的数据。
2、Hive的数据存储在HDFS中，大部分的查询、计算由MapReduce完成（但是包括* 的查询，比如select* from tabl不会生成MapReduce）。
3、解释HQL查询语句，生成查询计划存储在HDFS中，MapReduce调用执行。

3、Hive与Hadoop

Hive是一个工具，不用关心MapReduce逻辑，使用简单SQL语句完成查询。
Hive利用HDFS存储数据，利用MapReduce查询数据。

4、Hive数据类型（原始类型+复杂数据类型）

1、原始数据类型：类似于SQL数据类型

2、复杂数据类型
ARRAY：存储的数据为相同类型
MAP：具有相同类型的键值对
STRUCT：封装了一组字段，没有方法的对象

5、Hive存储数据类型

Hive中所有的数据都存储在HDFS中，可支持Text、SequenceFile、Parquet、RCFile、ORC等存储格式，只需要在创建表的时候告诉Hive数据中的列分隔符和行分隔符，Hive就可以解析数据。

1、database：数据库，表的集合，默认在warehouse目录下；
如何在hive环境中知道当前所在数据库？
①select current_database();
②set hive.cli.print.current.db=true;每次进hive都需要设置
③在配置文件中设置，永久。
2、table：数据表，分为内部表和外部表
内部表（管理表）
HDFS中为所属数据库目录下的子文件夹
数据完全由Hive管理，删除表（元数据）会删除数据
外部表（external tables）
数据保存在指定位置的HDFS路径中
Hive不完全管理数据，删除表（元数据）不会删除数据