HIVE的简介

一、Hive基本概念

1.1、Hive简介

什么是Hive
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数据库表，并提供类SQL查询功能（HQL）。

其本质是将SQL转换为MapReduce的任务进行计算，底层由HDFS来提供数据的存储，hive可以理解为一个将SQL转换为MapReduce的任务的工具。

为什么使用Hive

• 直接使用hadoop所面临的问题
  人员学习成本太高
  项目周期要求太短
  mapReduce实现复杂查询逻辑开发难度太大
• 为什么要使用Hive
  操作接口采用肋SQL语法，提供快速开发的能力。
  避免了去写MapReduce,减少开发人员的学习成本。功能扩展很方便。

Hive的特点
可扩展
Hive可以自由的扩展集群的规模，一般情况不需要重启服务。
延展性
Hive支持用户自定义函数，用户可以根据自己的需求来实现自己的函数。
容错
良好的容错性，节点出现问题sql仍可完成执行。

Hive的缺点
每次的执行开销较大，任务运行时间较长，延时较高。

1.2、 Hive架构

架构图

基本组成
用户接口：包括CLI、JDBC/ODBC、WebGUI。其中，CLI(command line interface)为shell命令；JDBC/ODBC是Hive对JAVA的实现，与传统数据库JDBC类似；WebGUI是用过浏览器访问Hive.

元数据存储：通常是存储在关系数据库如mysql/derby中。Hive将元数据存储在数据库中。Hive中的元数据包括表的名字，表的列和分区及其属性，表的属性（是否为外部表等），表的数据所在目录等。

解释器、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，并在随后有MapReduce调用执行。

1.3、Hive与Hadoop的关系

hive利用hdfs存储数据，利用MapReduce查询分析数据。

1.4、Hive与传统数据库对比

hive用于海量数据的离线数据分析

1.数据格式。Hive中没有定义专门的数据格式，数据格式可以由用户指定，用户定义数据格式需要指定三个属性：列分隔符（通常为空格、“\t”、“\x001”）、行分隔符（“\n”）以及读取文件数据的方法（Hive中默认有三个文件格式TextFile,SequenceFile以及RCFile）.
2.Hive在加载数据的过程中，不需要从用户数据格式到Hive定义的书格式的转换。
3.Hive在加载的过程中不会对数据本身进行任何修改，甚至不会对数据进行扫描。而只是将数据内容复制或者移动到相应的HDFS目录中。
4.Hive中不支持对数据的改写和添加，，所有的数据都是在加载的时候确定好的。
5.Hive在加载数据的过程中不会对数据中的某些Key建立索引。Hive要访问由于数据的访问延迟较高，决定了Hive不适合在线数据查询。
6.Hive是建立在hadoo之上的，因此Hive的可扩展性适合hadoop的可扩展性是一致的。

总结：hive
具有sql数据库的外表，但应用场景完全不同，hive只适合用来做批量数据统计分析。

1.5、Hive的数据存储

1.Hive中所有的数据都存储在HDFS中，没有专门的数据格式（可支持Text,SequenceFile,ParquetFile,ORC格式RCFILE等）
2.只需要在创建表的时候告诉hive数据中的列分隔符和行分隔符，Hive就可以解析数据。
3.Hive中包含一下数据模型：DB、Table、External Table、Partition，Bucket。

• db:在hdfs中表现为${hive.metastore.warehouse.dir}目录下一个文件夹。
• table：在hdfs中表现所属db目录下一个文件夹。
• external table :与table类似，不过其数据存放位置可以在任意指定路径。
• partition：在hdfs中表现为table目录下的子目录。
• bucket：在hdfs中表现为同一个表目录下根据hash散列之后的多个文件。