-
什么是hive
hive是由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,将结构化的数据文件映射为一张表,并提供类SQL查询功能;
hive的本质是将hiveQL语句转化成MR程序;
hive处理的数据存储在HDFS,hive分析数据底层实现是MR,执行程序运行在Yarn上。 -
hive的优缺点
2.1优点:
1)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);
2)避免了去写 MapReduce,减少开发人员的学习成本;
3)Hive 的执行延迟比较高,常进行大数据分析,并对延时要求不高的工作;
4)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。2.2缺点:
1)Hive 的 HQL 表达能力有限,有些复杂运算无法表达(如迭代算法)
2)Hive 的效率比较低,只能做高延时的数据分析
3)hive粒度较粗,调优比较困难 -
架构原理
运行流程:Hive 通过给用户提供的一系列交互接口,接收到用户的指令(SQL),使用
自己的 Driver,结合元数据(MetaStore),将这些指令翻译成 MapReduce,提交到 Hadoop 中
执行,最后,将执行返回的结果输出到用户交互接口。
Hive的根基是Hadoop的MapReduce,hive组件包括两类:3.1服务端组件
1)driver:该组件包括解析器,编译器,优化器,执行器
解析器(SQL Parser):将SQL字符串转换成抽象语法数AST,这一步一般都用第三方库完成(如antlr),然后对AST进行语法分析,比如表和字段是否存在,SQL语义是否存在错误;
编译器(Physical Plan):将AST编译生成逻辑执行计划;
优化器(Query Optimizer):对逻辑执行计划进行优化;
执行器(Execution):把逻辑执行计划转换成可以执行的物理计划(比如MR,Spark任务)。
2)Metastore:元数据服务组件用来存储hive的元数据,元数据包括表名、表所属的数据库(默认是default)、表的拥有着、列/分区字段、表的类型(是否是外部表)、表的数据所在目录等;
3)Thrift服务:能让不同的编程语言调用hive的接口。3.2客户端组件
1)CLI: Command Line Inteface,命令行接口
2)Thrift客户端:hive架构的许多客户端接口都是建立在Thrift客户端之上,包括JDBC/ODBC;
3)WebGUI:hive客户端提供的通过网页访问hive所提供的服务,这个接口对应hive的HWI组件(Hive Web Inteface),使用前要启动HWI服务。 -
hive与数据库的比较
hive除了和数据库拥有类似的查询语言,再无类似之处。hive是为数据仓库而设计的。
1)数据存储位置:hive是建立在hadoop上的,hive的数据都是存储在HDFS中的。
2)数据更新:hive是针对数据仓库应用设计的,而数据仓库的内容是读多写少的,因此hive不支持对数据的改写和添加,所有的数据都是在加载的时候确定好的。
3)索引:hive在加载数据的过程中不会对数据进行任何处理和扫描,因此也没有对数据中的某些key建立索引。hive要访问数据中满足条件的特定值时,需要暴力扫描整个数据,因此访问延迟较高。由于hive基于MR,hive可以并行访问数据,因此即使没有索引,对于大数据量的访问,hive仍然可以体现出有时。
4)执行:hive大多数查询的执行是通过MR实现的。
5)可扩展性:由于hive建立在hadoop上,因此hive的可扩展性是和hadoop的可扩展性一致。
6)数据规模:hive支持大规模的数据,远远超过数据库。
HIVE详解(一):基本概念
最新推荐文章于 2024-03-26 14:37:37 发布