Hive ，MySQL安装与部署

Hive基本概念

1.什么是Hive

Hive：是由Facebook 开源用于解决海量结构化日志的数据统计。
Hive 是基于 Hadoop 的一个数据仓库工具，可以将结构化的数据映射为一张表，并提供类 SQL 查询功能。
本质是：将 HQL/SQL 转化为 MapReduce 程序。
Hive 处理的数据储存在 HDFS。
Hive 分析数据的底层实现是 MapReduce。
执行程序运行在 yarn 上。

2.Hive 的优缺点

1.优点
操作接口采用类 SQL 语法，提供快速开发的能力（简单、易上手）。
避免了去写 MapReduce，减少了开发人员的学习成本。
Hive 的执行延迟比较高，因此 Hive 常用于数据分析，对实时性要求不高的场合。
Hive 的优势在于在于处理大数据，对于处理小数据没有优势，因此 Hive 的执行延迟比较高。
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。
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
（2）Hive 的效率比较低
Hive 自动生成的 MapReduce 作业，通常情况下不够智能化
Hive 调优比较困难，粒度较粗

Hive 的架构原理

如图中所示，Hive 通过给用户提供 的一系列交互接口，接收用户的指令（SQL），使用自己的 Driver，结合元数据（MetaStore），将这些指令翻译成 MapReduce，提交到 Hadoop 中执行，最后，将返回的结果输出到用户交互接口。
（1）用户接口：client
CLI（hive shell）、JDBC/ODBC（java访问hive）、WEBUI（浏览器访问hive）。
（2）元数据：MetaStore
元数据包括：表名、表所属的数据库（默认是default）、表达拥有者、列/分区字段、表的类型（是否是外部表）、表的数据所在目录等；
默认储存在自带的derby数据库中（2M，只支持单用户访问），推荐使用MySQL储存MetaStore。
（3）Hadoop
使用 HDFS 进行储存，使用 MapReduce 进行计算。
（4）驱动器：Driver
1.解析器（SQL Parser）：将 SQL 字符串转换成抽象语法树 AST，这一步一般都用第三方工具库完成，比如 antlr；对 AST 进行语法分析，比如表是否存在、字段是否存在，SQL语义是否错误。
2.编译器（Physical Plan）：将AST编译生成逻辑执行计划。
3.优化器（Query Optimizer）：对逻辑执行计划进行优化。
4.执行器（Execution）：把逻辑执行计划转换为可以运行的物理计划，对于Hive来说。就是MR/Spark

Hive和数据库比较

由于 Hive 采用了类似 SQL 的查询语言 HQL（Hive Query Language），因此很容易将 Hive 理解为数据库。其实从结构上来看，Hive 和数据库除了拥有类似的查询语言，再无类似之处。本文将从多个方面来阐述 Hive 和数据库的差异。数据库可以用到 Online 的应用中，但是 Hive 是为数据仓库而设计的，清楚这一点，有助于从应用角度理解 Hive 的特性。

1.查询语言
由于SQL被广泛的应用在数据仓库中，因此，专门针对Hive的特性设计了类SQL的查询语言HQL，熟悉SQL开发的开发者可以很方便的使用Hive进行开发。

2.数据储存位置
Hive 是建立在 Hadoop 之上的，所用 Hive 的数据都是储存在 HDFS 中的。而数据库则可以将数据保存在块设备或者本地文件系统中。

3.数据更新
由于 Hive 是针对数据仓库应用设计的，而数据仓库的类容是读多写少的。因此，==Hive 中不支持对数据的改写与添加，所有的数据都是在加载的时候确定好的。==而数据库中的数据通常是需要经常修改，因此可以使用 INSERT INTO …VALUES 添加数据，使用 UPDATE…SET修改数据。

4.索引
Hive 在加载数据的过程中不会对数据进行任何处理，甚至不会对数据进行扫描，因此也没有对数据中的某些Key建立索引，Hive 要访问数据中满足条件的特定值，需要暴力扫描整个数据，因此即便没有索引，对于大量数据的访问，Hive 仍然可以体现出优势。数据库中，通常会针对一个或几个列建立索引，因此对于少量的特定的数据的访问，数据库可以有很高的效率，较低的延迟，由于数据的访问延迟较高，决定了 Hive 不适合做在线数据查询。

5.执行
Hive 大多数据的查询的执行是通过 Hadoop 提供的 MapReduce 来实现的。而数据库通常有自己执行引擎。