Hive学习笔记：一初识

Hive是什么？

Hive 是建立在 Hadoop   上的数据仓库基础构架。它提供了一系列的工具，可以用来进行数据提取转化加载（ ETL ），这是一种可以存储、查询和分析存储在 Hadoop   中的大规模数据的机制。 Hive 定义了简单的类 SQL  查询语言，称为 HQL ，它允许熟悉 SQL  的用户查询数据。同时，这个语言也允许熟悉 MapReduce   开发者的开发自定义的 mapper   和 reducer  来处理内建的 mapper 和 reducer  无法完成的复杂的分析工作（UDF）。

Hive 是 SQL 解析引擎，它将 SQL 语句转译成 M/RJob 然后在 Hadoop 执行。

Hive 的表其实就是 HDFS 的目录，按表名把文件夹分开。如果是分区表，则分区值是子文件夹，可以直接在 M/RJob 里使用这些数据。
        HIve的表----------HDFS的目录
        HIve的数据--------HDFS的目录下面的（数据）文件
        Hive中行列--------HDFS的目录下面的数据文件的行列

Hive 相当于 hadoop 的客户端工具，部署时不一定放在集群管理节点中，可以放在某个节点上。

Hive强调的地方： 海量数据的存储、加载，海量数据查询，hive不支持事务。

Hive的数据存储

Hive 的数据存储基于 Hadoop HDFS

Hive 没有专门的数据存储格式

存储结构主要包括： 数据库、文件、表、视图、索引

Hive 默认可以直接加载文本文件（ TextFile ），还支持 SequenceFile 、 RCFile

创建表时，指定 Hive 数据的列分隔符与行分隔符， Hive 即可解析数据

Hive的体系结构

用户接口主要有三个：CLI，JDBC/ODBC和 WebUI
CLI，即Shell命令行
JDBC/ODBC 是 Hive 的Java，与使用传统数据库JDBC的方式类似
WebGUI是通过浏览器访问 Hive
Hive 将元数据存储在数据库中(metastore)，目前只支持 mysql、derby。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（plan）的生成。生成的查询计划存储在 HDFS 中，并在随后由 MapReduce 调用执行
Hive 的数据存储在 HDFS 中，大部分的查询由 MapReduce 完成（包含 * 的查询，比如 select * from table 不会生成 MapRedcue 任务）

Hive的元数据

metastore是hive元数据的集中存放地。
metastore默认使用内嵌的derby数据库作为存储引擎
Derby引擎的缺点：一次只能打开一个会话
使用MySQL作为外置存储引擎，多用户同时访问