大数据中hive与传统并行数据库mysql的区别

大数据中hive与传统并行数据库mysql的区别

由于hive采用了类似sql的查询语言HQL（Hive Query Language）,所以对于初学者而言很容易把这二者搞混，但是事实上除了类似的查询语言外，二者并没有其他相同点。

#区别

二者的区别可以从数据量大小展开来讲

1. 查询语言
   为了便于熟悉SQL的java工程师开发，所以针Hive专门设计了类类SQL的查询语言，HQL；

2. 数据存储位置；
   hive的数据是存在hdfs的，数据库的数据是存在快设备或者文件系统中的；

3. 数据更新
   数据库的数据更新是可以做到即时更新的（频繁的增删改查），而hive的数据是读多写少的（一次写入，多次读出），同时他是基于hadoop，所以它的操作都是追加操作，很难对数据进行修改；

4. 索引
   hive没办法添加索引（同时也没必要进行添加索引，毕竟数据梁在那摆着），同时他是基于mr的，所以即使是暴力扫描全部数据，在大数据量的前提下，并行访问数据仍有很大优势；

5. 执行
   hive的执行引擎是mr，MySQL的执行引擎是innerdb；

6. 执行延迟
   hive因为mr的存在，所以他的操作仍是高延迟的，而数据库的执行延迟要低很多；

7. 可拓展性
   hvie拥有很高的可拓展性（毕竟是基于hadoop的），而数据库的拓展性相对来讲就很差，最先进的并行数据库Oracle在理论上的拓展能力也只有100台左右。

8. 数据规模
   这个就不用说啦，hive的规模要比传统数据库大得多，毕竟人家就是为了搞大数据开发出来的嘛。