大数据学习之Hive——01Hive基本概念

最新推荐文章于 2024-07-28 14:07:27 发布

Jiang锋时刻

最新推荐文章于 2024-07-28 14:07:27 发布

阅读量262

点赞数

分类专栏： Hive 文章标签：大数据 hive 数据仓库

本文链接：https://blog.csdn.net/bingque6535/article/details/106238119

版权

本文详细介绍了Hive的基本概念，包括Hive的定义、优缺点。接着探讨了Hive的架构原理，与关系型数据库的比较，以及数据组织方式，如内部表、外部表、分区表和Bucket表的区别。此外，还讲解了Hive的数据类型和常见的存储格式，如TextFile、SequenceFile、RCFile和ORCFile。Hive适用于大规模数据的统计分析，提供了类SQL查询接口，但其执行延迟高，不支持记录级的增删改操作，适合离线分析场景。

摘要由CSDN通过智能技术生成

一. Hive基本概念

1. 什么是Hive

Hive：由Facebook开源用于解决海量结构化日志的数据统计。
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，并提供类SQL查询功能。
本质是：将HQL转化成MapReduce程序

2. Hive的优缺点

1. 优点

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。
Hive的执行延迟比较高，因此Hive常用于数据分析，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。
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。

2. 缺点

Hive 不支持记录级别的增删改操作
Hive 的查询延时很严重
因为 MapReduce Job 的启动过程消耗很长时间，所以不能用在交互查询系统中。
Hive 不支持事务

二. Hive架构原理

用户接口: Client
CLI（command-line interface）、JDBC/ODBC(jdbc访问hive)、WEBUI（浏览器访问hive）
元数据: Metastore
元数据包括：表名、表所属的数据库（默认是default）、表的拥有者、列/分区字段、表的类型（是否是外部表）、表的数据所在目录等；
默认存储在自带的derby数据库中，推荐使用MySQL存储Metastore
Hadoop
使用HDFS进行存储，使用MapReduce进行计算。
驱动器: Driver
1. 解析器（SQL Parser）：将SQL字符串转换成抽象语法树AST，这一步一般都用第三方工具库完成，比如antlr；对AST进行语法分析，比如表是否存在、字段是否存在、SQL语义是否有误。
2. 编译器（Physical Plan）：将AST编译生成逻辑执行计划。
3. 优化器（Query Optimizer）：对逻辑执