HIVE学习（一） —— 初始hive

一、Hive的由来：           

         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，并提供简单的sql查询功能，可以将sql语句转换为MapReduce任务进行运行。其优点是学习成本低，可以通过类SQL语句快速实现简单的MapReduce统计，不必开发专门的MapReduce应用，十分适合数据仓库的统计分析。Hive是一个数据仓库基础工具在Hadoop中用来处理结构化数据。它架构在Hadoop之上，总归为大数据，并使得查询和分析方便。

       在Hive中，Hive是SQL解析引擎，它将SQL语句转译成M/R Job然后在Hadoop执行。Hive的表其实就是HDFS的目录/文件，按表名把文件夹分开。如果是分区表，则分区值是子文件夹，可以直接在M/RJob里使用这些数据。

       最初，Hive是由Facebook开发，后来由Apache软件基金会开发，并作为进一步将它作为名义下ApacheHive为一个开源项目。它用在好多不同的公司。例如，亚马逊使用它在Amazon Elastic、MapReduce。 

二、Hive的作用     

     Hive是什么？

• Hive是一个基于HDFS的数据仓库工具
• Hive是可以将HQL转化为MapReduce进行数据处理查询的工具

    Hive不是什么？

• Hive不是一个关系型数据库
• Hive不能实时查询和行级更新。

三、Hive与Hadoop的关系

       

四、Hive的组成

 

• 用户接口：用户访问Hive的入口 
   主要有三个：CIL（命令行），JDBC/ODBC（java），WebUI（浏览器访问）

•元数据：Hive的用户信息与表的MetaData 
  Hive将元数据存储在数据库中，目前只支持mysql，derby. 
  元数据包括：表名字，表的列和分区及其属性，表的数据所在目录。

•解释器，编译器，优化器：分析翻译、编译、优化HQL的组件 
  完成HQL查询语句从词法分析、语法分析、编译、优化及查询计划的生成。生成的查询计划存储在HDFS中，并随后由MapReduce调用执行。

  Hive的数据存储在HDFS中，大部分查询有MapReduce完成。（包含的查询，例如select from不会生成mapreduce任务）

•Metastore 
 Hive的Metastore组件是Hive元数据集中存放地。Metastore组件包括两个部分：Metastore服务和后台数据的存储。后台数据存储的介质就是关系数据库，例如Hive默认的嵌入式磁盘数据库derby，还有mysql数据库。Metastore服务是建立在后台数据存储介质之上，并且可以和Hive服务进行交互的服务组件，默认情况下，Metastore服务和Hive服务是安装在一起的，运行在同一个进程当中。我也可以把Metastore服务从Hive服务里剥离出来，Metastore独立安装在一个集群里，Hive远程调用Metastore服务，这样我们可以把元数据这一层放到防火墙之后，客户端访问Hive服务，就可以连接到元数据这一层，从而提供了更好的管理性和安全保障。使用远程的Metastore服务，可以让Metastore服务和hive服务运行在不同的进程里，这样也保证了Hive的稳定性，提升了Hive服务的效率。

•Driver 
1）Driver调用编译器处理HiveQL字串 
2）编译器将HQL转化为策略（plan） 
3）策略由元数据操作和HDFS操作组成。元数据操作只包含DDL（create，drop,alter）语句，HDFS操作只包含LOAD语句。 
4）对插入和查询而言，策略由map-reduce任务中有向非循环图组成（DAG directed acyclic graph）。

五、Hive的执行流程

1Execute Query

Hive接口，如命令行或Web UI发送查询驱动程序（任何数据库驱动程序，如JDBC，ODBC等）来执行。

2Get Plan

在驱动程序帮助下查询编译器，分析查询检查语法和查询计划或查询的要求。

3Get Metadata

编译器发送元数据请求到Metastore（任何数据库）。

4Send Metadata

Metastore发送元数据，以编译器的响应。

5Send Plan

编译器检查要求，并重新发送计划给驱动程序。到此为止，查询解析和编译完成。

6Execute Plan

驱动程序发送的执行计划到执行引擎。

7Execute Job

在内部，执行作业的过程是一个MapReduce工作。执行引擎发送作业给JobTracker，在名称节点并把它分配作业到TaskTracker，这是在数据节点。在这里，查询执行MapReduce工作。

7.1Metadata Ops

与此同时，在执行时，执行引擎可以通过Metastore执行元数据操作。

8Fetch Result

执行引擎接收来自数据节点的结果。

9Send Results

执行引擎发送这些结果值给驱动程序。

10Send Results

驱动程序将结果发送给Hive接口。

 

六、Hive与RDBMS的比较

七、Hive的安装

      Hive是建立Hadoop环境安装之上的，所以需要Hadoop的集群环境搭建，Hive即需要依赖于HDFS又需要依赖YARN。安装好Hadoop后需要进行启动HDFS和YARN。具体安装过程，网上这方面的资料很多，这里就不在介绍了。

转载于:https://my.oschina.net/penglonglog/blog/3096119