Hive：初始

写的不到位的地方，欢迎评论指出不足之处

• 产生
  • 方便对文件及数据的元数据进行管理，提供统一的元数据管理方式
  • 提供更加简单的方式来访问大规模的数据集，使用SQL语言进行数据分析
  • 非 JAVA 编程者对 HDFS 的数据做 mapreduce 的操作

• 简介
  • 经常被大数据企业用作企业级数据仓库
  • 在使用过程中是使用SQL语句来进行数据分析，由SQL语句到具体的任务执行还需要经过解释器，编译器，优化器，执行器四部分才能完成
• 解释器、编译器、优化器、执行器
  • 解释器
    • 调用语法解释器和语义分析器将SQL语句转换成对应的可执行的 java代码 或者 业务代码 
  • 编译器
    • 将对应的 java代码 转换成 字节码文件 或者 jar包
  • 优化器
    • 从SQL语句到 java代码 的解析转化过程中需要调用优化器，进行相关策略的优化，实现最优的 查询性能
  • 执行器
    • 当业务代码转换完成之后，需要上传到 MapReduce 的集群中执行
  • 附
    • 完成 HQL 査询语句从词法分析、语法分析、编译、优化以及查询计划的生成
    • 生成的查询计划存储在 HDFS 中，并在随后有 MapReduce 调用执行
• 数据仓库
  • 面向业务：查询数据时，相对数据库的速度可以慢，但还是越快越好
  • 可以收纳多种数据源（不同的数据库）
  • 数据不可修改

• 用户接口主要有三个：CLI、Client、WUI
  • 其中最常用的是 cli
    • cli 启动的时候，会同时启动一个 Hive 副本
  • Client 是 Hive 的客户端
    • 用户连接至 Hive Server，在启动 Client 模式的时候，需要指出 Hive Server所在节点，并且在该节点启动 Hive server
  • WUI 是通过浏览器访问 Hive
• Hive 将元数据存储在数据库中：如 mysql、derby、等

  • Hⅳe 中的元数据包括表的名字、表的列和分区及其属性、表的属性(是否为外部表等)、表的数据所在目录等

• Hive 的数据存储在 HDFS 中，大部分的查询、计算由 MapReduce 完成

  • 包含 * 的查询，比如 select * from tb 不会生成 MapRedcue任务