hive学习_01
1.构建在Hadoop之上的数据仓库(数据计算使用MR，数据存储使用HDFS)
2.Hive定义了一种类SQL查询语言----HQL
3.通常用于进行离线数据处理(非实时)
4.一个ETL工具
5.可认为是一个HQL到MapReduce的语言翻译器，将HQL转化成MP来执行
6.多维度数据分析
7.大部分互联网公司使用Hive进行日志分析
8.海量结构化数据离线分析，低成本进行数据分析(不直接编写MR)
HDFS 存储数据
YARN 资源管理
MapReduce 处理数据
Hive是什么？
* 处理的数据存储在HDFS
* 分析数据底层的实现MapReduce
* 执行程序运行的YARN
1、由Facebook开源用于解决海量结构化日志的数据统计；
2、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成一张表，并提供类SQL查询功能；
3、构建在Hadoop之上的数据仓库；
使用HQL作为查询接口；
使用HDFS存储；
使用MapReduce计算；
本质是：将HQL转化成MapReduce程序
Hive 架构(a、b、c、d)
a: 用户接口：Client
CLI(hive shell)、JDBC/ODBC(java访问hive),WEBUI(浏览器访问hive)
b:元数据：Metastore（通常存储在关系型数据库中，比如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、表的类型(是否是外部表)、表的数据所在目录(该表对应的数据文件存储位置)等；
默认存储在自带的derby数据库中，推荐使用采用MySQL存储Metastore；
c:Hadoop
使用HDFS进行存储，使用MapReduce进行计算；
d:驱动器：Driver
包含：解析器、编译器、优化器、执行器；
解析器：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(比如select中被判定为聚合的字段在group by中是否有出现)；
编译器：将AST编译生成逻辑执行计划；
优化器：对逻辑执行计划进行优化；
执行器：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/TEZ/Spark；
Hive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、统一的元数据管理，可与impala/spark等共享元数据；
4、易扩展(HDFS+MapReduce：可以扩展集群规模；支持自定义函数)；
Hive使用场景
1、数据的离线处理；比如：日志分析，海量数据化数据离线分析。。。
2、Hive的执行延迟比较高，因此hive常用于数据分析的，对实时性要求不高的场合；
3、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。
RDBMS关系型数据库 表的概念
SQL on Hadoop---HiveQL hql
ETL
