Hive基本概念

• 1.1什么是hive

• hive简介

Hive：由FaceBook开源用于解决海量结构化日志的数据统计工具

Hive：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的查询功能。

• Hive本质

将HSQL转化成MapReduce程序

1.Hive处理的数据存储在HDFS
2.Hive分析数据底层实现的是MR
3.执行程序运行在Yarn上

1.2 Hive的优缺点

1.2.1 优点

接口采用类SQL语法，提供快速开发的能力

避免了去写MR程序，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的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支持自定义函数，用户可以根据自己的需求来实现自己的函数

1.2.2 缺点

1.Hive的HSQL表达能力有限
2.迭代算法无法表达
3.数据挖掘方面不擅长，由于MR数据处理流程的限制，效率更高的算法却无法实现
4.Hive的效率 比较低
5.Hive自动生成的MR作业，通常情况下不够智能化
6.Hive调优比较困难，粒度较粗

1.3 Hive运行机制

Hive通过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MR，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。

1.4 Hive和数据库比较

由于Hive采用类似SQL的查询语言HQL，因此很容易将Hive理解为数据库。其实从结构来看，Hive 和数据库除了用于类似的查询语言，
再无类似之处。

1.4.1 数据更新

由于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。因此，Hive中不建议对数据的改写，所有数据都是在加载的时候
确定好的。而数据库中的数据通常是需要进行修改的，因此可以采用insert into ... values添加数据，使用update ... set修改数据

1.4.2 执行延迟

    Hive在查询数据的时候，由于没有索引，需要扫描整个表。因此延迟较高。由于Hive底层使用的MR框架，而MR本身具有较高的延迟，因此
在利用MR执行Hive查询的时候，也有较高的延迟。

1.4.3 数据规模

由于Hive简历在集群上可以利用MR进行并行计算，因此可以支持很大规模的数据。对应的，数据库可以支持的数据规模较小。