《Hive编程指南》第一章

目前正在做关于数仓的实习，阅读重点与hive相关，偏向开发/底层的内容可能会略过，读书笔记也不会囊括所有内容，而且添上了实习时mentor提点的内容，择需而看。

第一章 基础知识

数据是了解用户、提高业务在市场上表现、提高基础架构效率的资源。

Hadoop生态系统是为大数据集产生的解决方案，实现了一个计算模型MapReduce，它可以将计算任务分割成多个处理单元，分散到一群家用或服务器级别的硬件机器上。

Hive的存在意义

• 用户从现有的基于传统关系的数据架构转移到Hadoop上时，Hive提供给sql用户利用HQL查询存储在Hadoop集群中的数据。
• Hive将大多数查询转换为MapReduce任务（job），使用户不需要接触到底层的API。

说人话：使用Hadoop底层的API实现算法、查询等工作过于复杂，不友好，高级工具应运而生

Hive的特点

1. 适合用于数仓程序，进行静态数据分析，不需要快速响应，且数据本身不频繁变化
2. 不支持记录级别的增删改
3. 有查询延时（基于面向批处理的Hadoop系统，MapReduce任务的启动过程中需要消耗较长时间，因此在传统数据库中秒级别可以完成的查询，在Hive中即使数据集相对小，往往也要执行更长时间）
4. 不支持事务、OLTP，更接近OLAP工具

OLTP和OLAP的区别

参考文章：
操作数据库系统(OLTP)和联机分析处理系统(OLAP)的区别
OLAP与OLTP的优化方案对比
数据仓库：OLTP与OLAP查询

举例：

①在人员管理系统中，删除一个人员，既需要删除人员的基本资料，也要删除和该人员相关的信息，如信箱，文章等等

②银行转账，涉及一个账户上资金减少，另一个账户上资金增加

这些数据库操作语句就构成一个事务，需要有一个机制来避免只删除了部分数据的情况