hive知识点

Hive知识点

1.hive定义
hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张表，并提供类SQL查询功能
本质：将HQL转化成MapReduce程序

2.hive优缺点
优点：
①操作接口采用类SQL语法，提供快速开发的能力(简单、容易上手)。
②避免了写MapReduce,减少开发人员的学习成本。
③Hive的执行延迟比较高，因此Hive常用于数据分析，对实时性要求不高的场合。
④Hive优势在于处理大数据，对于处理小数据没有优势，因为Hive的执行延迟比较高。
⑤Hive支持用户自定义函数,用户可以根据自己的需求来实现自己的函数。
缺点：
（1）Hive的HQL 表达能力有限
①迭代式算法无法表达
②数据挖掘方面不擅长，由于MapReduce数据处理流程的限制.效率更高的算法却无法实现.
（2）Hive的效率比较低
①Hive自动生成的MapReduce作业，通常情况下不够智能化
②Hive调优比较困难，粒度较粗
3.hive架构
①用户接口客户端（client）：CLI(command-line interface)/JOBC/ODBC(jdbc访问hive)、WEBUI(浏览器访问hive)
②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）表的数据所在的目录等
③Hadoop：使用HDFS进行储存，使用MapReduce进行计算
④驱动器（Driver）：
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
编译器（Physical plan）：将AST编译生成逻辑执行计划
优化器（Query Optimizer）：对逻辑执行计划进行优化
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
4.hive和数据库的区别
①查询语言
由于SQL被广泛的应用在数据仓库中，因此，专门针对Hive的特性设计了类SQL的查询语言HQL。熟悉SQL开发的开发者可以很方便的使用Hive进行开发。

②数据存储位置
Hive 是建立在 Hadoop 之上的，所有 Hive 的数据都是存储在 HDFS 中的。而数据库则可以将数据保存在块设备或者本地文件系统中。

③数据更新
由于Hive是针对数据仓库应用设计的，而数据仓库的内容是读多写少的。因此，Hive中不支持对数据的改写和添加，所有的数据都是在加载的时候确定好的。而数据库中的数据通常是需要经常进行修改的，因此可以使用 INSERT INTO … VALUES 添加数据&