什么是Hive
hive是由Facebook开源,用于解决海量结构化日志的数据统计工具。它是基于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查询功能。
Hive本质:将HQL转化成MapReduce程序
- Hive处理的数据存储在HDFS
- Hive分析数据底层的实现是MapReduce
- 执行程序运行在Yarn上
Hive的优缺点
优点
- 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)。
- 避免了去写MapReduce,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
- Hive的HQL表达能力有限
迭代式算法无法表达,数据挖掘方面不擅长,由于MapReduce数据处理流程的限制,效率更高的算法无法实现。
- Hive的效率比较低
Hive自动生成的MapReduce作业,通常情况下不够智能化;Hive调优比较困难,粒度较粗。
Hive和数据库比较
由于Hive采用了类似SQL的查询语言HQL(Hive Query Language),因此很容易将Hive理解为数据库。其实从结构上看,Hive和数据库除了拥有类似的查询语言,再无类似之处。数据库可以用在O