Hive架构
1）用户接口：
CLI(hive shell)：命令行工具；启动方式：hive 或者 hive --service cli
ThriftServer：通过Thrift对外提供服务，默认端口是10000；启动方式：hive --service hiveserver
WEBUI(浏览器访问hive)：通过浏览器访问hive，默认端口是9999；启动方式：hive --service hwi
2）元数据存储（Metastore）：启动方式：hive -service metastore
默认存储在自带的数据库derby中，线上使用时一般采用MySQL；
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、列/分区 属性、表的类型（是否是外部表）、表的数据所在目录等；
database是表(table)的名字空间。默认的数据库是default；
table的原数据信息有：列和它们的类型、拥有者(owner)，存储空间和SerDe信息；
partition每个分区都有自己的列，存储空间和SerDe信息等
3）驱动器（Driver）：
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，并在随后的MapReduce调用执行；
4）Hadoop
用MapReduce计算，用HDFS存储；
Hive的数据存储在HDFS之上，包括Database、Table、Partition等；
Hive的默认数据仓库是/user/hive/warehouse，可以在hive-site.xml中由hive.metastore.warehouse.dir进行配置；
除了外部表外，每个表在数据仓库下都有一个相应的存储目录；
当数据被加载到表中时，不会对数据进行任何转换，只是将数据移动到数据仓库中去；
非外部表被删除时，表数据和元数据都被删除；外部表被删除时，只删除元数据不删除表数据；
分区表的一个Partition对应该表下的一个子目录；
每个Bucket对应一个文件
大部分的查询由MapReduce计算完成；两种情况不跑MapReduce：select * from xxx和select * from xxx where 分区字段不跑mapreduce
5）hiveserver2
启动方式：hive --service hiveserver2
HiveServer2是HiveServer的升级版，提供了新的Thrift API处理JDBC/ODBC、Kerberos身份验证、多客户端并发等；
HiveServer2提供了新的CLI：BeeLine，是hive0.11后引入的，基于SQLLine，可以作为Hive jdbc client端访问HiveServer2，启动一个Beeline对应一个session；
Hive单机环境部署图
Hive集群环境部署图
注：在生产环境中元数据需要采用主备服务器的方式防止宕机；
Hive运行模式
Hive运行模式即任务的执行环境，分为：本地和集群两种
可以通过mapred.job.tracker来指定，指定方式：
hive> SET mapred.job.tracker=local
不设置默认为集群方式。
Hive与关系型数据库的区别
Hive和关系型数据库并没有什么关系，只是语法类似而已。
|
|
Hive |
SQL |
|
数据插入 |
支持批量导入 |
支持单条和批量导入 |
|
数据更新 |
不支持（数据导入后就不再支持改变） |
支持 |
|
索引 |
支持 |
支持 |
|
分区 |
支持 |
支持 |
|
执行延迟 |
高 |
低 |
|
扩展 |
好 |
有限 |
