分布式数据仓库Hive

Hive系统介绍

Hive是基于Hadoop的数据仓库

Hive方便使用SQL来执行读取、写入、管理基于分布式存储的大型数据集

可以基于存储数据来构建数据结构，提供命令行和JDBC两种开发方式

Hive的设计思想

Hive不是数据库，是数据仓库，它的设计是围绕数据分析，而不是数据存储，或者说Hive是基于数据库上面的数据分析工具

Hive的设计特点

Hive的数据所有都存储在Hadoop兼容的文件系统中（例如HDFS）。

Hive在加载数据过程中不会对数据进行任何的修改，只是将数据移动到HDFS中Hive设定的目录下

Hive的表实际上是HDFS的一个文件目录，一个表名对应一个目录名，如果有分区表的话，则分区值对应子目录名。

提供类SQL的查询方式HQL，实际运行是把SQL查询转换为MR的job执行