Hive是什么？

MelodyYN

已于 2022-05-13 17:12:04 修改

阅读量1.2k

点赞数

分类专栏： # Hive 文章标签： hive hadoop big data

于 2021-12-20 20:34:50 首次发布

本文链接：https://blog.csdn.net/qq_36593748/article/details/122049768

版权

11 篇文章 0 订阅

订阅专栏

缘由

由于Mysql数据库存储能力的限制，因此发展而来的Hive可以将数据存储于HDFS上以解决该问题。
简介

Hive：由Facebook开源用于解决海量结构化日志的数据统计工具。

Hive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
本质：将HQL转化成MapReduce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
3. 执行程序运行在Yarn上
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）。进而避免了去写MapReduce，减少开发人员的学习成本。
2. Hive优势在于处理大数据，支持海量数据的分析与计算。
3. 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（由HDFS的缺点继承而来）
1. Hive的HQL表达能力有限。
  - Hive自动生成的MapReduce作业，通常情况下不够智能化。
  - 数据挖掘方面不擅长，由于MapReduce数据处理流程的限制，效率更高的算法却无法实现。
2. Hive的效率比较低。
  - 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调优比较困难，粒度较粗
3. Hive不支持实时查询和行级别更新
  
  hive分析的数据是存储在hdfs上，hdfs不支持随机写，只支持追加写，所以在hive中不能update和delete,能select和insert

Hive框架原理

整体流程：

Hive通过给用户提供的一系列交互接口，接收到用户的指令(SQL)，使用自己的Driver，结合元数据(MetaStore)，将这些指令翻译成MapReduce，提交到Hadoop中执行，最后，将执行返回的结果输出到用户交互接口。

在这里插入图片描述

用户接口：Client

命令行接口、JDBC接口等
元数据：Metastore

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。

默认存储于derby数据库中，推荐Mysql存储Metastore。
HDFS

用于存储数据库的数据。(Mysql仅存取表的相关信息)
MapReduce

将sql转换为mr程序，MapReduce提供计算。
驱动器：Driver
- SQL Parser解析器:
  
  将SQL字符串转换成抽象语法树AST，对AST进行语法分析，比如表是否存在、字段是否存在、SQL语义是否有误。
- Physical Plan 编译器：将AST编译生成逻辑执行计划。
- Query Optimizer 优化器：对逻辑执行计划进行优化。
- Execution执行器：把逻辑执行计划转换成可以运行的物理计划。

首先Hive不是数据库，它主要功能就是将Sql转换为MapReduce任务。

数据更新：

数据仓库的内容是读多写少的。因此，Hive中不建议对数据的改写。而数据库中的数据通常是需要经常进行修改的，因此可以在数据库使用 INSERT INTO … VALUES 添加数据和使用 UPDATE … SET修改数据。

执行延迟：

数据规模：

Hive建立在集群上并可以利用MapReduce进行并行计算，因此可以支持很大规模的数据。

关注