hive

什么是hive？

下面来看百度百科对hive的解释：

hive是基于Hadoop的一个数据仓库工具，用来进行数据提取、转化、加载，这是一种可以存储、查询和分析存储在Hadoop中的大规模数据的机制。hive数据仓库工具能将结构化的数据文件映射为一张数据库表，并提供SQL查询功能，能将SQL语句转变成MapReduce任务来执行。Hive的优点是学习成本低，可以通过类似SQL语句实现快速MapReduce统计，使MapReduce变得更加简单，而不必开发专门的MapReduce应用程序。hive十分适合对数据仓库进行统计分析。

百度百科的解释是不是看不太懂，不要急，下面来说个小故事：

在很久很久以前....

有一个名叫facebook的公司，他们在公司内部搭建了数据仓库（你可以理解成把一大堆数据放到一个地方，然后做成报表给老板看！），是基于mysql的。后来随着数据量的不断增加，这种传统的数据库扛不住了...于是经过一系列的折腾换到了hadoop上（hadoop是个大数据体系，用的是里面的hdfs，做存储的。你可以理解成搞一堆破烂机器凑成个集群，然后存储超级多的数据）。

问题来了！

以前基于数据库的数据仓库用sql就能做查询，现在换到hdfs上面，得跑Mapreduce任务去做分析，这样以前做分析的人还得学mapreduce，好难呀！

于是...他们开发了一套框架可以用sql来做hdfs的查询（用户输入的是sql,框架内部把sql转成mapreduce的任务，然后再去跑分析）。

于是，Hive诞生了...

hive解决了什么问题？

Hive基于类似SQL的语言完成对hdfs数据的查询分析。

参考博客：https://www.cnblogs.com/xing901022/p/5823811.html（注：此博客中还包含hive的搭建与使用）