大数据必学免费、开源分布式数据库——Apache Hive

Hive是大数据开发、分析领域无法绕开的一个话题。我将分认识Hive、快速部署、快速入门等几个模块为同学们详细地介绍Hive，期望可以为刚刚接触大数据领域的同学们建立一个初步的认知。

Hive 是什么

Hive，又称Apache Hive，由 Facebook 开源用于解决海量结构化日志的数据统计工具。

Hive是基于Apache Hadoop的一个数据仓库工具，用来进行数据提取、转化、加载，这是一种可以存储、查询和分析存储在Hadoop中的大规模数据的机制。

Hive可以将结构化的数据文件映射为一张表，并定义了简单的类 SQL 查询语言，称为 HQL ，它允许熟悉 SQL 的用户查询数据。

hive的中文意思为蜂巢，所以Hive的Logo像一只蜜蜂也是很贴合了。

为什么要用Hive

现如今，有相当多的企业在使用Hive搭建公司的数据仓库，那么对于刚接触大数据领域的同学们不妨了解一下Hive，可以加深自己对数据仓库的理解，同时增加自身的技术能力。

Hive有哪些优势：

• 有类似于SQL语句的HQL，学习简单易上手
• 不再需要写MapReduce，大大减少了使用者的学习成本
• 多用于处理海量的离线数据
• 支持使用者自定义函数，可以根据自己的需求来实现自己的函数

说了Hive的优势，也提一下Hive不足的地方。Hive查询数据的延迟比较高，所以对实时性要求比较高的场景就不适用。同时，对于查询小数据量的场景也无法体现出Hive的优势。

Hive支持的文件格式

• Text File