Hadoop（5）--hive

在Hadoop的存储处理方面提供了两种不同的机制，一种是之前介绍过的Hbase，另外一种就是Hive，有关于Hbase，它是一种nosql数据库的一种，是一种数据库，基于分布式的列式存储，适合海量数据的操作，，底层依赖HDFS，与rdbms的区别和其他的nosql基本类似，例如不支持sql语句对于数据进行操作，具体的关于Hbase的细节可以去参考我的上一篇博客，今天我们会通过hive和Hbase的区别对于hive进行相应的讲解。

Hive 在其官方网站上的定义说hive是一个数据仓库（数据仓库中存储数量级大且数据结构复杂的数据，是多个其他数据库的集合）的软件，通过sql的方式帮助用户读写管理分布式存储中的数据，展开来说：Apache Hive是一个建立在Hadoop上的数据仓库基础架构，它可以使用类似于sql语句的Hql对于存储在HDFS上的数据进行相应的操作，可以转化为MapReduce作业，但是，虽然相比于Hbase，hive提供了大家所熟悉的sql的功能，但是，对于一般sql的交互式查询还是没有被支持，Hive实际上就是只在Hadoop上运行批处理，而HBase操作的是数据库而不是在mapreduce上实时运行

Hive可以做什么：

1. ETL（把多个关系型数据库存储到数据仓库中的数据迁移过程就是ETL（flume/sqoop），包括数据的抽取，转化，落地，加载等操作）、reporting、数据分析
2. 可以把多种数据进行格式化或者结构化管理的工具
3. 可以更加简洁的访问HDFS或者Hbase
4. 可以直接通过sql直接使用访问Mapreduce等框架

Hive的组件

1. 服务端组件：

Driver组件：包括编译器、优化器、执行器，将我们写的HQL进行解析，便宜又话，生成执行计划，然后调用底层的计算框架

Metastore组件：元数据服务组件，负责存储hive的元数据，存储在关系型数据库中

Thrift服务：用来进行可扩展且跨语言的开发服务

Hive集成服务：能让不同的开发语言调用hive接口

 

1. 客户端组件：

CLI：命令行接口，可以使用命令操作查看

Thrift客户端：hive的许多客户端接口是建立在thrift客户端的基础之上的，包括JDBC等

WEB UI ：可以在浏览器中访问hive提供的服务接口

优点及使用场景

操作接口采用类SQL语法，提供快速开发的能力(简单、容易上手)；

避免了去写MapReduce，减少开发人员的学习成本，可以直接写sql进行操作；

统一的元数据管理，可与impala/spark等共享元数据；

易扩展(HDFS+MapReduce：可以扩展集群规模；支持自定义函数)；

数据的离线处理；比如：日志分析，海量结构化数据离线分析…

Hive的执行延迟比较高，因此hive常用于数据分析的，对实时性要求 不高的场合；

Hive优势在于处理大数据，对于处理小数据没有优势，因为Hive的执 行延迟比较高。

而对于Hive的执行流程，我借用某大神的一句神总结：将用户提交的SQL语句转换成Hadoop上的MR任务执行，并向用户返回结果。（Sql传入之后会提交到编译器中，编译器分析sql，然后去元数据中查数据的位置以及查看sql要进行什么操作，然后转化成mapreduce程序（执行计划），吧执行计划交给执行器，然后执行器开始执行并将结果进行返回到客户端，而优化器的作用就是对整个计算过程进行优化，比如在数据量特别小的时候就直接在内存中申请处理）

如需更多的交流可以添加qq群859121793
或添加微信群：