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

你可能感兴趣的:(Hive概述)