第1章 Hive基本概念
1.1 什么是Hive
- hive简介
- Hive:由facebook开源用于解决海量结构化日志的数据统计工具。
- 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的查询功能。
2） Hive本质：将HQL转化成MapReduce程序。
3） Hive的三个要点：
- Hive处理的数据存储在HDFS
- Hive分析数据底层的实现是MapReduce
- 执行程序运行在Yarn上
1.2 Hive优缺点
1.2.1 优点
- 操作接口采用类SQL，快速开发。
- Hive的执行延迟比较高，常用于数据分析，对实时性要求不高。
- Hive用于处理大数据，对小数据没有优势。
- Hive支持用户自定义函数。
1.2.2 缺点
（1）Hive的HQL表达能力有限
- 迭代式算法无法表达
- 数据挖掘方面不擅长，由于MapReduce数据处理流程的限制，无法实现效率更高的算法。
（2）Hive的效率比较低 - Hive自动生成的MapReduce作业，通常不够智能化
- Hive调优比较困难
1.3 Hive架构原理（重点：4个器）
1.4 Hive和数据库比较
1.4.1 查询语言
- HQL
1.4.2 数据更新
- 数据仓库的内容式读多写少的
- 不建议对数据的改写，所有的数据都是在加载的时候确定好的
- 更改数据采用以下命令
- INAERT INTO...VALUES...
- UPDATE...SET...
1.4.3 执行延迟
1.4.4 数据规模
- Hive建立在集群上并可以利用MapReduce进行并行计算，因此可以支持很大规模的数据，对应的，数据库可以支持的数据规模较小。
