数据仓库-Hive基础（二）Hive 的基本概念

什么是 Hive

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数据库表，并 提供类SQL查询功能。

其本质是将SQL转换为MapReduce的任务进行运算，底层由HDFS来提供数据的存储，说白了 hive可以理解为一个将SQL转换为MapReduce的任务的工具，甚至更进一步可以说hive就是一 个MapReduce的客户端

为什么使用 Hive

• 采用类SQL语法去操作数据，提供快速开发的能力。
• 避免了去写MapReduce，减少开发人员的学习成本。
• 功能扩展很方便。

Hive 架构

image

• 用户接口: 包括CLI、JDBC/ODBC、WebGUI。其中，CLI(command line interface)为shell命 令行；JDBC/ODBC是Hive的JAVA实现，与传统数据库JDBC类似；WebGUI是通过浏览器访 问Hive。
• 元数据存储：通常是存储在关系数据库如mysql/derby中。Hive 将元数据存储在数据库 中。Hive 中的元数据包括表的名字，表的列和分区及其属性，表的属性（是否为外部表等），表的数据所在目录等。
• 解释器、编译器、优化器、执行器:完成HQL 查询语句从词法分析、语法分析、编译、优 化以及查询计划的生成。生成的查询计划存储在HDFS 中，并在随后有MapReduce 调用执行。

Hive 与 Hadoop 的关系

Hive利用HDFS存储数据，利用MapReduce查询分析数据

image

Hive与传统数据库对比

hive用于海量数据的离线数据分析

image

总结：hive具有sql数据库的外表，但应用场景完全不同，hive只适合用来做批量数据统计分析