Hive分布式数据仓库

咩咩_10538769

已于 2022-02-13 15:07:53 修改

阅读量2.3k

点赞数

文章标签： hive hadoop 数据仓库大数据

于 2022-02-13 14:50:31 首次发布

本文链接：https://blog.youkuaiyun.com/KK_1657654189/article/details/122907597

版权

Hive是一个基于Hadoop的数据仓库工具，提供类SQL查询功能，适用于大数据集的批处理作业。它支持多种计算引擎，具有灵活的ETL、易于编程等特性。Hive架构包括HiveServer、MetaStore等组件，通过HiveQL进行数据操作。分区和分桶是优化查询效率的重要手段，分桶表创建时需指定分桶字段和数量。Hive还支持托管表和外部表，满足不同场景需求。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

简介

Hive是基于静态批处理Hadoop的一个数据仓库工具，通过Hive可以实现将结构化的数据文件映射为一张数据库表，并提供简单的sql查询功能，同时将sql语句转换为MapReduce任务进行运行，所以其优点是学习成本低，可以通过类SQL语句快速实现简单的MapReduce统计。Hive具有sql数据库的外表，但应用场景完全不同，Hive 适合高延迟的查询，Hive并不提供实时的查询和基于行级的数据更新操作，所以Hive 的最佳使用场合是大数据集的批处理作业，例如，网络日志分析

Hive特性

·灵活方便的ETL(extract/transform/load)。
·支持Iez，Spark等多种计算引擎。
·可直接访问HDFS文件以及HBase。
·易用易编程。

Hive应用场景

Hive优点

HiveServer Hive对外提供SQL服务的主要进程。
MetaStore Hive提供元数据信息的进程，可供HiveServer,SparkSQL,Oozie等组件调用。
Beeline hive 命令行客户端。
JDBC java统一数据库接口。
Thrift一种序列化、通信协议。
ODBC基于C/C++的数据库标准接口。