Hive介绍及基本操作

Hive的起源
Hive起源于Facebook（美国的一个社交服务网络），因Facebook有着大量的数据需要处理，而Hadoop是一个开源可以轻松处理大量的数据项目。但是Hadoop的MapReduce程序对于Java程序员来说比较容易写，对于其他语言使用者来说不太方便，因此Facebook开始研发Hive，实现了对Hadoop使用类SQL的查询方式（实际后台转化为了MapReduce过程），让那些非Java程序员，只要熟悉sql语法也可以方便地使用Hadoop处理大量的数据，节约了学习成本。
Hive概述
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表，它提供了一系列的工具，可以用来进行数据的提取、转化、加载，简称ETL（Extract Transform Load）,也可以叫做数据清洗。是一种可以存储、查询和分析存储在Hadoop中的大规模数据机制，Hive定义了简单的类sql查询语言，称为HiveQL。Hive 并非为联机事务处理而设计，Hive 并不提供实时的查询和基于行级的数据更新操作。 Hive 的最佳使用场合是大数据集的离线批处理作业，例如，网络日志分析。
数据仓库的特征
1.数据仓库是多个异构数据源所集成的。
2.数据仓库储存的一般是历史数据，大多数的应用场景是读取数据（数据分析），所以数据仓库是弱事务的。
3.数据库是为捕获数据而设计，数据仓库是为了分析数据而设计。
4.数据仓库是时变的，数据存储从历史的角度提供信息，即数据仓库中的关键结构都隐式或者显示地包含时间元素。
5.数据仓库是弱事务的，因为数据仓库存的是历史数据，一般都是应用在数据读取（分析）场景。
数据仓库与数据库的区别：
数据库属于OLTP（Online Transaction Processing）联机事务处理系统,涵盖了企事业大部份的日常操作，如购物、库存、制造、银行、工资、注册、记账等等，比如Mysql oracle等关系型数据库。
数据仓库属于OLAP（on-Line Analytic Processing）联机分析处理系统，如Hive Hbase等。
OLTP是面向用户的，用于事务的处理以及客户的查询处理。OLAP是面向市场的，用于数据的分析。
OLAP通常会集成多个异构数据源的数据，数据量巨大。
OLTP系统的访问由于要保证原子性，所以有事务机制和恢复机制。
OLAP系统一般存储的是历史数据，所以大部分都 是只读操作，不需要事务。
OLTP系统与OLAP系统的比较

Hive的HQL
HQL语法十分类似SQL语法，是Hive用来进行分布式的计算语句，在执行的过程中底层会将HQL转换为MapReduce去执行，所以Hive其实是基于Hadoop的一种分布式计算框架，本质上是一种离线大数据分析工具。
Hive基础指令
show databases; 查看有哪些数据库。
create database hive; 创建hive数据库。创建的数据库实际是在Hadoop的HDFS文件系统里创建一个目录节点，统一存在： /user/hive/warehouse 目录下。
use hive; 进入hive数据库。
show tables; 查看当前数据库下所有的表。
create table user(id int,name string); 创建user表以及相关的两个字段。（在Hive里用的是string，不用char和varchar。此外，所创建的表，也是HDFS里的一个目录节点）

insert into user values(1,‘tom’); 向user表里面插入一条数据，（HDFS不支持数