Hive基础之Hive是什么以及使用场景

Hive是什么

1）Hive由facebook开源，构建在Hadoop (HDFS/MR)上的用于管理和查询结果化/非结构化的数据仓库；

2）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；

3）Hive 定义了简单的类SQL 查询语言，称为HQL，它允许熟悉SQL 的用户查询数据；

4）允许用Java开发自定义的函数UDF来处理内置无法完成的复杂的分析工作；

5）Hive没有专门的数据格式（分隔符等可以自己灵活的设定）；

ETL的流程（Extraction-Transformate-Loading）：将关系型数据库的数据抽取到HDFS上，hive作为数据仓库，经过hive的计算分析后，将结果再导入到关系型数据库的过程。

官方学习向导：https://cwiki.apache.org/confluence/display/Hive/Tutorial

Hive是构建在Hadoop之上的数据仓库

1）使用HQL作为查询接口；

2）使用HDFS作为存储；

3）使用MapReduce作为计算；

 

Hive应用场景

数据源：

1）文件数据，如中国移动某设备每天产生大量固定格式的文件；

2）数据库

以上两种不同的数据源有个共同点：要使用hive，那么必须要将数据放到hive中；通常采用如下两种方式：

1）文件数据：load到hive

2）数据库: sqoop到hive

数据的离线处理；

hive的执行延迟比较高，因为hive常用于数据分析的，对实时性要求不高；

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。

处理数据存放在hive表中，那么前台系统怎么去访问hive的数据呢？

先将hive的处理结果数据转移到关系型数据库中才可以，sqoop就是执行导入导出的操作