Hive初认识

Hive初认识

---

---

本文主要是介绍 Hive的基本概念，包括Hive是什么、优缺点、架构原理。

Hive是什么

概念

• 起源：

Hive：由Facebook开源用于解决海量结构化日志的数据统计工具。

• 概念

Hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张表，并提供类SQL查询功能。

• 官网介绍

Apache Hive ™ 是一个分布式容错数据仓库系统，支持大规模分析，并使用 SQL 促进读取、写入和管理驻留在分布式存储中的 PB 级数据。

本质

Hive本质是 将HQL转化成MapReduce程序

• Hive处理的数据存储在HDFS

• Hive分析数据底层的实现是MapReduce

• 执行程序运行在Yarn上

Hive的优缺点

优点

• 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）。

• 避免了去写MapReduce，减少开发人员的学习成本。

• Hive的 执行延迟比较高，因此Hive常用于 数据分析，对实时性要求不高的场合。

• Hive优势在于处理大数据，对于处理小数据没有优势，因为Hive的执行延迟比较高。

• 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。

缺点

• Hive的HQL表达能力有限

  • 迭代式算法无法表达
  • 数据挖掘方面不擅长，由于MapReduce数据处理流程的限制，效率更高的算法却无法实现。

• Hive的效率比较低

  • Hive自动生成的MapReduce作业，通常情况下不够智能化
  • Hive调优比较困难，粒度较粗

Hive的架构原理

（1）用户接口：Client

CLI（command-line interface）、JDBC/ODBC(jdbc访问hive)、WEBUI（浏览器访问hive）

（2）元数据：Metastore

• 元数据包括：表名、表所属的数据库（默认是default）、表的拥有者、列/分区字段、表的类型（是否是外部表）、表的数据所在目录等；

默认存储在自带的derby数据库中，推荐使用MySQL存储Metastore

（3）Hadoop

使用HDFS进行存储，使用MapReduce进行计算。

（4）驱动器：Driver

• 解析器（SQL Parser）：将SQL字符串转换成抽象语法树AST，这一步一般都用第三方工具库完成，比如antlr；对AST进行语法分析，比如表是否存在、字段是否存在、SQL语义是否有误。
• 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运行的物理计划。对于Hive来说，就是MR/Spark。

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。

全文结束！！！