Hive 是什么？场景？ vs RDBMS

1.Hive 是什么

是Facebook开源的，用于解决海量的结构化日志统计问题

Hive是构建在Hadoop之上的数据仓库，

HDFS：Hive的业务数据是存放在HDFS上的（元数据存放在关系型数据库，例如：MySQL）

YARN：Hive的作业是提交到YARN上面去运行的

MR    ：Hive作业（SQL）是通过Hive的框架翻译成MR作业，MR只是一个计算引擎，现在还支持Tez、Spark引擎

======================================================================================

Hive其实就是一个客户端（提交机器），没有集群概念

任务执行流程：SQL --> Hive --> MR --> YARN

======================================================================================

Hive职责：将SQL翻译成底层对应的执行引擎作业

有统一的元数据（matedata）管理

元数据：描述数据的数据 schema

======================================================================================

架构：SQL on Hadoop

CLI、JDBC：客户端入口，编写sql语句的地方

2.Hive应用场景

批处理/离线处理，延时性很大；

尽量少涉及到update或者delete这种操作，虽然是支持的。

3.Hive vs RDBMS

分布式：都可以部署成分布式场景；

节点数：关系型数据库节点数比较少，Hive节点数不固定；

成本：关系型数据库成本比较高；

数据量：Hive > RDBMS ；

数据修改和删除：关系型数据库支持，Hive 1.4版本之后才支持，但是不建议使用；

事务：都支持，但是Hive不建议，也没有必要使用；

延时性：Hive延时性比较高；