Hive基本介绍

Hive介绍

• facebook开源
• 设计目的：Hive期初是为了提供给那些精通sql但是java编程能力相对较弱的数据工程师能够对facebook上存放的HDFS的大规模数据集进行查询
• Hive是构建在hdfs上的数据仓库框架
  • 计算框架为MapReduce
  • 数据存储在HDFS
• 适合离线数据处理
• 将HQL转为MR的语言翻译

Hive场景应用举例

1. 日志分析

• 统计网站一个时间段内的pv、uv
• 多维度数据分析

2. 海量结构化数据离线分析

Hive优缺点

优点

• 易上手
• 提供统一的元数据管理
• 多接口：Beeline，ODBC，JBCD，python，Thrift
• 类sql：类似sql ，提供大量内置函数
• 延展性：用户可根据自己的需求自定义函数
• 良好的容错性，节点出现问题SQL任可继续执行

缺点

• 不支持事务
• 表达能力有限
• 效率比较低
  1. 调优困难
  2. 可调控性差
  3. 延迟较高：默认MR为执行引擎，MR延迟较高

Hive与传统数据库对比

image.png

image.png

读时模式与写时模式

• 读时模式与写时模式

  1. 写时模式（传统数据库）
  • 描述：在数据写入数据库时，对照模式进行检验
  • 优点：在写入时已经对数据列进行索引排序，有利于提升查询速度
  • 缺点：加载数据会花费更多时间，在加载模式为确定的情况下，查询条件未知时，不能提前确定会使用何种索引
  2. 读时模式（Hive）
  • 描述：数据在查询时才对数据进行验证
  • 优点：数据加载速度快，就是单纯的文件的复制与移动（数据在加载时不会对数据进行解析，序列化，在写入磁盘）
  • 缺点：