Hive简介
什么是Hive
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数据库表,并提供类SQL查询功能(HQL)。
其本质是将SQL转化为MapReduce的任务进行运算,底层由HDFS来提供数据的存储,Hive可以理解为一个将SQL转化为MapReduce的任务的工具。
为什么使用Hive?
有Hadoop 这么好的技术,为什么还会有Hive呢?
人员的学习成本太高
项目周期要求太短
MapReduce实现复杂查询逻辑开发难度太大
所以Hive就出现了
操作接口采用类SQL语法,提供快速开发的能力。
避免了去写MapReduce,减少开发人员的学习成本。
功能扩展很方便。
Hive的特点
可扩展
Hive可以自由的扩展集群的规模,一般情况下不需要重启服务。
延展性
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。
容错
良好的容错性,节点出现问题SQL仍可完成执行。
Hive的缺点
每次的执行开销较大
任务运行时间较长
延时较高。
Hive架构
架构图
基本组成
用户接口:包括CLI、JDBC/ODBC、WebGUI。其中,CLI(command line interface)为shell命令行;JDBC/ODBC是Hive的JAVA实现,与传统数据库JDBC类似;WebGUI是通过浏览器访问Hive。
元数据存储:通常是存储在关系数据库如mysql/derby中。Hive 将元数据存储在数据库中。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(是否为外部表等),表的数据所在目录等。
解释器、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MapReduce 调用执行。
Hive与Hadoop的关系
Hive利用HDFS存储数据,利用MapReduce查询分析数据