hive简单介绍

本文详细介绍了Apache Hive作为基于Hadoop的数据仓库的功能和用途。涵盖了Hive的基本概念、架构、与Hadoop的关系以及与传统数据库的对比等内容。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

优质资源:http://wiki.baidu.com/pages/viewpage.action?pageId=69100592

                  https://cwiki.apache.org/confluence/display/Hive/Home

                  http://wiki.baidu.com/pages/viewpage.action?pageId=409406475

什么是hive:http://www.aboutyun.com/thread-7411-1-1.html

hive的工作流程:https://blog.youkuaiyun.com/licw_0909/article/details/54234540

hive的组件及功能:http://www.aboutyun.com/thread-7478-1-1.html

Hive中HCatalog和WebHCat:http://blog.sina.com.cn/s/blog_72ef7bea0102vxia.html

 

什么是HIVE(本质的作用:将sql查询语句转化成mapreduce程序)


Apache Hive
The Apache Hive™ data warehouse software facilitates reading, writing, and managing large datasets residing in distributed storage and queried using SQL syntax. 

Built on top of Apache Hadoop™, Hive provides the following features:

1.Tools to enable easy access to data via SQL, thus enabling data warehousing tasks such as extract/transform/load (ETL), reporting, and data analysis.
2.A mechanism to impose structure on a variety of data formats
3.Access to files stored either directly in Apache HDFS™ or in other data storage systems such as Apache HBase™ 

4.Query execution via Apache Tez™, Apache Spark™, or MapReduce
5.Procedural language with HPL-SQL
6.Sub-second query retrieval via Hive LLAP, Apache YARN and Apache Slider.

上面英文的大致意思是:
在Apache Hive™  数据仓库软件便于阅读,写作和管理驻留在分布式存储大型数据集,并使用SQL语法查询。

Hive 构建于Apache Hadoop™之上,提供以下功能:

1.通过SQL轻松访问数据的工具,从而实现数据仓库任务,如提取/转换/加载(ETL),报告和数据分析。

2.一种在各种数据格式上强加结构的机制

3.访问直接存储在Apache HDFS ™  或其他数据存储系统(如Apache HBase ™)中的文件

4.通过Apache Tez ™,  Apache Spark ™或  MapReduce执行查询

5.使用HPL-SQL的过程语言

6.通过Hive LLAP,Apache YARN和Apache Slider进行亚秒级查询检索。

上面的意思很明白了.这里再给他提炼一下:
1.hive是一个数据仓库
2.hive基于hadoop。
总结为一句话:hive是基于hadoop的数据仓库。

Hive是一种建立在Hadoop文件系统上的数据仓库架构,并对存储在HDFS中的数据进行分析和管理;
(也就是说对存储在HDFS中的数据进行分析和管理,我们不想使用手工,我们建立一个工具把,那么这个工具就可以是hive)

 

(数据仓库常用来存储冷数据--------如操作日志等这种不常用的数据)

1.2  Hive架构

1.2.1 架构图

 

Jobtracker是hadoop1.x中的组件,它的功能相当于: Resourcemanager+AppMaster

 

TaskTracker 相当于:  Nodemanager  +  yarnchild

 

2、执行的过程:
HiveQL通过CLI/web UI或者thrift 、 odbc 或 jdbc接口的外部接口提交,经过complier编译器,运用Metastore中的云数据进行类型检测和语法分析,生成一个逻辑方案(logical plan),然后通过简单的优化处理,产生一个以有向无环图DAG数据结构形式展现的map-reduce任务

 

1.2.2 基本组成

  • 用户接口:包括 CLI、JDBC/ODBC、WebGUI。
  • 元数据存储:通常是存储在关系数据库如 mysql , derby中。
  • 解释器、编译器、优化器、执行器。
  • 用户接口主要由三个:CLI、JDBC/ODBC和WebGUI。其中,CLI为shell命令行;JDBC/ODBC是Hive的JAVA实现,与传统数据库JDBC类似;WebGUI是通过浏览器访问Hive。
  • 元数据存储: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。

1.2.3  各组件的基本功能

1.3 Hive与Hadoop的关系

Hive利用HDFS存储数据,利用MapReduce查询数据

 

 

1.4 Hive与传统数据库对比

 

 

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,没有专门的数据存储格式(可支持Text,SequenceFile,ParquetFile(带表头),RCFILE(和ParquetFile类似,是不同公司开发的)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 中包含以下数据模型:DB、Table,External Table,Partition,Bucket。

²  db:在hdfs中表现为${hive.metastore.warehouse.dir}目录下一个文件夹

²  table:在hdfs中表现所属db目录下一个文件夹

²  external table:外部表, 与table类似,不过其数据存放位置可以在任意指定路径

普通表: 删除表后, hdfs上的文件都删了

External外部表删除后, hdfs上的文件没有删除, 只是把文件删除了

²  partition:在hdfs中表现为table目录下的子目录

²  bucket:桶, 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, 会根据不同的文件把数据放到不同的文件中

 

hiveServer/HiveServer2

       1:简单介绍     

        两者都允许远程客户端使用多种编程语言,通过HiveServer或者HiveServer2,客户端可以在不启动CLI的情况下对Hive中的数据进行操作,连这个和都允许远程客户端使用多种编程语言如java,python等向hive提交请求,取回结果(从hive0.15起就不再支持hiveserver了),但是在这里我们还是要说一下hiveserver

       HiveServer或者HiveServer2都是基于Thrift的,但HiveSever有时被称为Thrift server,而HiveServer2却不会。既然已经存在HiveServer,为什么还需要HiveServer2呢?这是因为HiveServer不能处理多于一个客户端的并发请求,这是由于HiveServer使用的Thrift接口所导致的限制,不能通过修改HiveServer的代码修正。因此在Hive-0.11.0版本中重写了HiveServer代码得到了HiveServer2,进而解决了该问题。HiveServer2支持多客户端的并发和认证,为开放API客户端如JDBC、ODBC提供更好的支持。

hiveæ¶æ

### Hive的基本概念 Hive 是一种建立在 Hadoop 上的数据仓库工具,能够将结构化数据文件映射为一张数据库表,并支持通过类似于 SQL 的查询语言(称为 HiveQL 或 HQL)来操作这些数据[^2]。它本质上是一个 MapReduce 工作流的抽象层,允许用户无需编写复杂的 Java 程序即可完成大规模数据分析。 #### Hive的主要特点 - **高可扩展性**:由于底层依赖于 Hadoop 生态系统,Hive 可以处理海量数据并轻松扩展到数千节点。 - **易用性**:对于熟悉关系型数据库的人来说,学习成本较低,因为其语法接近标准 SQL[^3]。 - **灵活性**:除了本地运行外,还支持多种外部存储方式和计算框架集成。 --- ### Hive的功能概述 以下是关于 Hive 基本功能的一些描述: 1. **元数据管理** - Hive 使用专门的元数据管理系统记录表格定义、字段属性以及其他相关信息。默认情况下采用 Derby 数据库作为单机版解决方案;但在生产环境中通常推荐切换至更强大的 RDBMS 如 MySQL 来实现多客户端访问支持[^1]。 2. **分布式计算引擎对接** - 它不仅限于传统的 MR 调度模型,在新版本里也加入了 Tez 和 Spark 这样的高性能执行器选项供选择。 3. **丰富的 API 接口** - 提供了 CLI (Command-Line Interface),HWI(Web UI) 以及 Thrift Server 等交互手段方便不同类型的开发者接入开发应用。 4. **复杂类型的支持** - 支持数组(array), 映射(map) 和 结构体(structure) 类型, 让我们能更好地表示半结构或者嵌套形式的数据. 5. **UDF 用户自定义函数机制** - 开发者可以通过创建 UDF(User Defined Function)/UDA(User Defined Aggregation)/UDTF(User Defined Table Generating Functions) 扩展内置运算能力满足特定需求。 --- ### 应用场景 考虑到性能特征及其设计初衷,Hive 特别适合以下几类任务: - 大规模离线批处理作业. - ETL过程中的数据清洗转换加载工作. - 商业智能报表生成与历史趋势挖掘分析. 需要注意的是,尽管如此强大,但因其实现原理决定了并不擅长实时在线事务处理(RTAP)[^4]. ```sql -- 创建一个简单的外部表例子展示如何利用现有文件夹构建虚拟视图 CREATE EXTERNAL TABLE IF NOT EXISTS my_table ( id INT, name STRING, age TINYINT ) ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t' LOCATION '/path/to/hdfs/directory'; ``` 上述代码片段展示了怎样快速搭建起对外部资源引用的基础架构以便后续进一步探索研究。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值