Hive系列文章转载：基础、原理和应用

数据仓库（Data Warehouse）是一个面 向主题的（Subject Oriented）、集成的（Integrated）、相对稳定的（Non-Volatile）、反映历史 变化（Time Variant）的数据集合，用于支持管理决策(Decision Making Support)。
——比尔·恩门（Bill Inmon，数据仓库之父），1991 ，Building the Data Warehouse

Hive是一个由Facebook 实现并开源基于Hadoop的数据仓库工具，将结构化的数据映射为一张数据库表，提供类似传统SQL的数据查询功能，其本质是将本质是将SQL句转换为MapReduce任务运行。

简言之，Hive是使用SQL方式完成大数据的MapReduce计算的数据仓库工具。

学习和使用Hive，推荐以下系列文章：

• 基本介绍和使用
  Hive基本介绍
  Hive是什么、为什么、架构、特点、对比关系型数据库、数据组织
  Hive的安装部署
  安装部署、基本使用
  Hive的DDL操作
  创建库、查看库、删除库、创建表、查看表、删除表、修改表、加载数据等
  Hive的Shell操作

• 原理解析
  Hive的元数据表结构
  Hive的元数据信息通常存储在关系型数据库中，常用MySQL数据库作为元数据库管理。
  Hive的接口：3种连接方式
  Cli命令行、JDBC、WebUI
  DbVisualizer配置连接hive
  使用可视化界面查看Hive数据
  Hive数据类型和存储格式
  基本类型、复杂类型、存储格式

• 核心函数
  Hive的内置函数
  Hive分析窗口函数(一) SUM,AVG,MIN,MAX
  Hive分析窗口函数(二) NTILE,ROW_NUMBER,RANK,DENSE_RANK
  Hive分析窗口函数(三) CUME_DIST和PERCENT_RANK
  Hive分析窗口函数(四) LAG、LEAD、FIRST_VALUE和LAST_VALUE
  Hive分析窗口函数(五) GROUPING SETS、GROUPING__ID、CUBE和ROLLUP

• 实践应用和优化
  Hive中文乱码
  Hive的高级操作
  Hive的5个面试题
  Hive的数据倾斜
  Hive 执行过程实例分析
  Hive 优化策略