Hive2.3.1笔记一:Hive简介、特点、应用场景、架构原理

1、什么是Hive?

Hive:由Facebook开源用于解决海量结构化日志的数据统计(海量的结构化数据的运算分析)。

Hive是基于Hadoop的一个数据仓库工具(服务性的软件)可以将结构化的数据文件映射为一张表,并提供类似于SQL查询。

 本质是:将Hive SQL转化成MapReduce程序 或者 spark程序

1)Hive处理的数据存储在HDFS

2)Hive分析数据底层的实现是MapReduce / spark(分布式运算框架)

3)执行程序运行在Yarn上,即需要运行HDFS和YARN 

2、Hive的优缺点

优点:

  1. 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)。
  2. 避免了去写MapReduce,减少开发人员的学习成本。
  3. 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(历史数据)
  4. 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。
  5. 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:

1.Hive的HQL表达能力有限

(1)迭代式算法无法表达 ,例如:递归算法

(2)数据挖掘方面不擅长

2.Hive的效率比较低

(1)Hive自动生成的MapReduce作业,通常情况下不够智能化

(2)Hive调优比较困难,粒度较粗(快)

3、应用场景

 对时效性要求不高的数据分析 , 报表分析等

4、架构原理

mysql记录元数据: hive表的数据映射 , 表结构

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;

执行顺序:

1 加载元数据信息  ,获取表结构 

2 元数据中获取表映射数据在HDFS中的位置

3 将SQL语句交给SQL解析引擎

4 Hive 将 HQL 转换成一组操作符(Operator),比如 GroupByOperator, JoinOperator 等

5 操作符 Operator 是 Hive 的最小处理单元

6 每个操作符代表一个 HDFS 操作或者 MapReduce 作业

7 Hive 通过 ExecMapper 和 ExecReducer 执行 MapReduce 程序,执行模式有本地模式和分 布式两种模式

8 编译器进行编译

(1)Parser:将 HQL 语句转换成抽象语法树(AST:Abstract Syntax Tree)

(2)Semantic Analyzer:将抽象语法树转换成查询块

(3)Logic Plan Generator:将查询块转换成逻辑查询计划

(4)Logic Optimizer:重写逻辑查询计划,优化逻辑执行计划

(5)Physical Plan Gernerator:将逻辑计划转化成物理计划(MapReduce Jobs)

(6)Physical Optimizer:选择最佳的 Join 策略,优化物理执行计划

9 优化器进行优化HQL语句

10 执行

简单一句话 , 将HQL语句转换成MR程序分布式调度执行

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值