Hive概述

一、概述

  Hive是hadoop集群中一个数据仓库，可以将结构化的数据文件映射为一张表，并提供类似SQL的查询功能，其本质就是将HQL转化成mapreduce程序。

Hive处理的数据存储在HDFS ,Hive分析数据底层实现是MapReduce，Hive执行程序是运行在yarn上

Hive优点：

    1）操作接口采用类SQL语法，上手容易，避免写MapReduce，减少学习成本

    2）Hive的执行延迟比较高，因此Hive常用于对实时性不高的场合

    3）Hive处理大数据有优势，不擅长小数据，处理小数据执行延迟比较高

    4）Hive支持用户自定义函数，用户可以根据自己需求来实现自己的函数

Hive缺点：

    1）Hive的HQL表达能力有限，比如迭代式计算无法表达，数据挖掘方面不擅长

    2）Hive的效力比较低，因为Hive调优比较困难，粒度较粗。还有，Hive自动生成的MapReduce作业，通常情况下不够智能化？？？

二、Hive架构原理

Hive架构原理

1．用户接口：Client

    CLI（hive shell）、JDBC/ODBC(java访问hive)、WEBUI（浏览器访问hive）

2．元数据：Metastore

元数据包括：表名、表所属的数据库（默认是default）、表的拥有者、列/分区字段、表的类型（是否是外部表）、表的数据所在目录等；

默认存储在自带的derby数据库中，推荐使用MySQL存储Metastore

3．Hadoop

使用HDFS进行存储，使用MapReduce进行计算。

4 .  驱动器：Driver

（1）解析器（SQL Parser）：将SQL字符串转换成抽象语法树AST，这一步一般都用第三方工具库完成，比如antlr；对AST进行语法分析，比如表是否存在、字段是否存在、SQL语义是否有误。

（2）编译器（Physical Plan）：将AST编译生成逻辑执行计划。

（3）优化器（Query Optimizer）：对逻辑执行计划进行优化。

（4）执行器（Execution）：把逻辑执行计划转换成可以运行的物理计划。对于Hive来说，就是MR/Spark

Hive通过给用户提供的一系列交互接口，接收到用户的指令(SQL)，使用自己的Driver，结合元数据(MetaStore)，将这些指令翻译成MapReduce，提交到Hadoop中执行，最后，将执行返回的结果输出到用户交互接口。

三、Hive与数据的区别