Hive基础之Hive与关系型数据库的比较

Hive与关系型数据库的比较
 
    使用Hive的CTL（命令行接口）时，你会感觉它很像是在操作关系型数据库，但是实际上，Hive和关系型数据库有很大的不同。
       1）Hive和关系型数据库存储文件的系统不同。
          Hive使用HDFS（hadoop的分布式文件系统），关系型数据库则是服务器本地的文件系统；

       2）Hive使用的计算模型是MapReduce，而关系型数据库则是自己设计的计算模型。

       3）Hive是为海量数据做数据挖掘设计的，实时性差；而关系型数据库是为实时查询的业务进行设计的。

       4）Hive很容易扩展自己的存储能力和计算能力，这个是继承hadoop的，而关系型数据库在这方面相对较差。（世界上最大的 Hadoop 集群在 Yahoo!， 2009 年的规模在4000 台节点左右）。而数据库由于 ACID 语义的严格限制，扩展行非常有限。目前最先进的并行数据库 Oracle 在理论上的扩展能力也只有 100 台左右。

       5）Hive中不支持对某个具体行的操作，对数据的操作只支持覆盖原数据和追加数据；Hive也不支持事务和索引。

       6）Hive在加载数据时候和关系数据库不同。
          Hive在加载数据时候不会对数据进行检查，也不会更改被加载的数据文件，而检查数据格式的操作是在查询操作时候执行，这种模式叫“读时模式”。在实际应用中，写时模式在加载数据时候会对列进行索引，对数据进行压缩，因此加载数据的速度很慢，但是当数据加载好了，我们去查询数据的时候，速度很快。
          关系数据库里，表的加载模式是在数据加载时候强制确定的（表的加载模式是指数据库存储数据的文件格式），如果加载数据时候发现加载的数据不符合模式，关系数据库则会拒绝加载数据，这个就叫“写时模式”，写时模式会在数据加载时候对数据模式进行检查校验的操作。
          当我们的数据是非结构化，存储模式也是未知时候，关系数据操作这种场景就麻烦多了，这时候hive就会发挥它的优势。

       7）执行延迟。
          Hive 在查询数据的时候，由于没有索引，需要扫描整个表，因此延迟较高。另外一个导致 Hive 执行延迟高的因素是 MapReduce 框架。由于MapReduce 本身具有较高的延迟，因此在利用 MapReduce 执行 Hive 查询时，也会有较高的延迟。相对的，数据库的执行延迟较低。当然，这个低是有条件的，即数据规模较小，当数据规模大到超过数据库的处理能力的时候，Hive 的并行计算显然能体现出优势。