Hive实践(1)_Hive简介

Hive 简介

1. Hive与Hadoop的关系
   Hive是Hoop生态圈中的一个工具，是基于Hadoop的一个数据仓库工具。该项目是由Facebook于2008年开发并源，贡献给了Apache基金会。
   Hive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（HQL）查询功能，可以将HQL语句转换为MapReduce任务进行运行，Hiv实现了简单的MapReduce统计，解决了需要使用JAVA开发MapReduce的应用，降低了开发与学习成本。
   HDFS是Hive数据仓库的存储支持，MapReduce是Hive数据仓库分析计算引擎。也就是Hive的数据是存储在HDFS之上的，Hive为什么能处理数据，是因为将HQL语言转化为了Mapreduce的job,并运行在Hadoop上。
   

2. 数据仓库的选型
   传统的数据仓库方案有很多,如Oracle、DB2､Mysql、Sql Server等等。 Hive适用于大数据级的，批处理作业，数据量一般是在PB级,如互联网中的，网络日志分析，用户行为分析。但Hiv不能在大规模数据集上实现低延迟的快速查询工作，Hive不适合用于联机事务处理，还有Hive是基于HDFS（HDFS文件的特性：一次写入，不可更新），一般Hive是不提供基于行级的数据更新操作(Hive2.0支持Update.)

3. HIv的特点
   简单易用
   – 基于SQL表达式语法，兼容大部分SQL-92语义和部分SQL-2003扩展语义 ；可扩展重点内容
   – Hive基于Hadoop实现，可以自由的扩展集群的规模，一般情况下丌需要重启服务 ；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 ；容错性
   – Hadoop良好的容错性，节点出现问题SQL仍可完成执行

4. Hive的发展
   目前有两个分支:1.x;2.x

注：该文章主要整理www.dataguru.cn的学习笔记。