Hive简介

一：什么是Hive?

　　Hive：由 Facebook 开源用于解决海量结构化日志的数据统计。

　　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。

　　Hive本质是：将 HQL 转化成 MapReduce 程序

　　Hive 处理的数据存储在 HDFS
　　Hive 分析数据底层的实现是 MapReduce
　　Hive执行程序运行在 Yarn 上

二：Hive的优缺点

　　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) 避免了去写 MapReduce，减少开发人员的学习成本。

　　　　  3) Hive 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。

　　　　 4) Hive 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

　　　　5) Hive 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
　　　　　　（ 1） Hive 自动生成的 MapReduce 作业，通常情况下不够智能化
　　　　　　（ 2） Hive 调优比较困难，粒度较粗

 

三：Hive架构

1． 用户接口： Client

 

 

　　CLI （ command-line interface）、 JDBC/ODBC(jdbc 访问 hive)、 WEBUI （浏览器访问 hive）

 

2． 元数据： Metastore
　　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）、表的数据所在目录等；默认存储在自带的 derby 数据库中，推荐使用 MySQL 存储 Metastore

3． Hadoop
　　使用 HDFS 进行存储，使用 MapReduce 进行计算。
4． 驱动器： Driver
　　（ 1）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。
　　（ 2）编译器（ Compiler）：将 AST 编译生成逻辑执行计划。
　　（ 3）优化器（ Query Optimizer）：对逻辑执行计划进行优化。
　　（ 4）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。

 

 

四：Hive运行机制

　　

 

 

　　 Hive 通过给用户提供的一系列交互接口，接收到用户的指令(SQL)，使用自己的 Driver，

　　结合元数据(MetaStore)，将这些指令翻译成 MapReduce，提交到 Hadoop 中执行，最后，将
　　执行返回的结果输出到用户交互接口。

 

五：Hive和数据库的比较

　　Hive和数据库除了拥有类似的查询语言外，再无相似之处。

　　

　　（1）Hive的查询语言是HQL，和SQL非常像

　　（2）Hive是建立在Hadoop上的，数据存储在HDFS上。而数据库则将数据存储在块设备或本地文件系统中

　　（3）Hive是针对数据仓库应用设计的，Hive中不建议对数据进行改写，所有数据都是在加载时确定好的。而数据库的数据会经常修改。

　　（4）Hive中大多数查询的执行是通过Hadoop提供的MapReduce来实现的，而数据库通常有自己的执行引擎

　　（5）Hive在查询数据时延迟较高，因为没有索引以及MapReduce框架。数据规模小的时候数据库延迟较低，数据规模太大时Hive的并行计算有优势。

　　（6）Hive的可扩展性和Hadoop一致，而数据库由于ACID语言的严格限制，扩展非常有限。

　　（7）Hive建立在集群上并利用MapReduce进行并行计算，因此可以支持很大规模的数据，数据库支持的数据规模较小。

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

默认存储在自带的 derby 数据库中，推荐使用 MySQL 存储 Metastore