Hive-框架讲解

一、Apache Hive 介绍

• Hive是一款建立在Hadoop之上的开源数据仓库系统。
• Hive可以将存储在Hadoop文件中的结构化、半结构化数据文件映射为一张数据库表，基于表提供了一种类似SQL的查询模型，称为Hive查询语言（HQL），用于访问和分析存储在Hadoop文件中的大型数据集。
• Hive核心是将HQL转换为MapReduce程序，然后将程序提交到Hadoop群集执行。

二、Apache Hive 架构

1、用户接口

接口	介绍
CLI	CLI(command line interface)为shell命令行，通过命令行访问。
JDBC/ODBC	Hive中的Thrift服务器允许外部客户端通过网络与Hive进行交互，类似于JDBC或ODBC协议。
WebGUI	WebGUI是通过浏览器访问Hive。

2、元数据存储

• 元数据（Metadata），描述数据的数据，主要是描述数据属性（property）的信息，用来支持如指示存储位置、历史数据、资源查找、文件记录等功能。通常是存储在关系数据库如 mysql or derby中。Hive 中的元数据包括表的名字，表的列和分区及其属性，表的属性否为外部表等，表的数据所在目录等。
• 元数据服务（Metastore），Metastore服务的作用是管理metadata元数据，对外暴露服务地址，让各种客户端通
  过连接metastore服务，由metastore再去连接MySQL数据库来存取元数据。

（1）Hive Metastore 架构图

（2）metastore 配置模式

模式	内嵌模式	本地模式	远程模式【推荐企业使用】
Metastore服务是否需要单独配置、单独启动？	否	否	是
Metadata存储介质	Derby	Mysql	Mysql

3、Driver驱动程序

Driver驱动程序，包括语法解析器、计划编译器、优化器、执行器，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，并在随后有执行引擎调用执行。

4、执行引擎

Hive本身并不直接处理数据文件。而是通过执行引擎处理。当下Hive支持MapReduce、Tez、Spark3种执行引擎。