Hive简介、基本架构与存储结构

1. Hive简介

1.1 什么是Hive？

Hive是Facebook实现的一个开源的数据仓库工具——

• Hive基于Hadoop实现，底层数据存放在HDFS中，计算（查询）使用MapReduce任务实现
• 可以将结构化的数据文件映射为一张数据库表，并提供HQL（Hive SQL）查询功能，实际上是将HQL语句转化为MapReduce任务运行

这里还需要理解一下数据仓库，数据仓库可以简单理解为存放不同数据源（比如公司支撑不同业务的数据库）的仓库，主要用于查询和分析，也就是基于这些数据去做报表分析、数据挖掘等工作，为企业的决策提供方向和支持。更详细的介绍可以参考数据仓库入门，看这这一篇就够了。

1.2 Hive有什么用？

Hive的优缺点很明显——

• 基于Hadoop实现，适合处理海量数据，具有可扩展性和容错性
• Hive支持自定义函数，实现用户的特定需求
• Hive设计的目标是做OLAP，只能查询和追加（append），而不能进行删改操作
• Hive的查询是转化为MapReduce任务的，实时性差（MR任务启动耗时）

这些优缺点（设计）决定了它的应用场景——作为一个数据仓库存放企业级的不同数据源的海量数据，去分析、挖掘这些数据，得到有意义的信息。

2. Hive的基本架构

2.1 Hive的架构与组件

H