什么是Hive

1. hive是建立在Hadoop上的数据仓库基础架构。它提供了一系列的工具，可以用来进行数据提取转换加载(ETL)，这是一种可以存储、查询和分析存储在Hadoop中的大规模数据的机制。hive定义了简单的类似于SQL的查询语言称为QL，它允许熟悉SQL的用户查询数据。同时这种语言也允许熟悉MapReduce的开发者进行开发自定义的mapper和reducer来处理内建的mapper和reducer无法完成的负载的分析工作。
2.  Hive是SQL的解析引擎，它将SQL语句转成M/R job 然后在Hadoop执行。
3 .  Hive的表其实就是HDFS目录/文件，按照表名将将文件夹分开。如果是分区表，则分区值是子文件夹，可以直接在M/R job里使用这些数据。

(二)  数据库和数据仓库的区别

数据仓库和数据库的区别：数据仓库主要用来保存数据，对保存的数据进行分析计算。一次写入，多次读取。不能删除单条数据，除非将整个文件删除。修改数据时只有将整个文件下载下来，修改之后重写上传。

Hive的主要功能可以将一条语句转换为MapReduce，Hive依赖于HDFS和Yarn
注意：HBASE数据库适用于结构简单，表与表之间没有密切联系的业务需求。关系型数据库适用于业务复杂表与表之间联系密切的业务。Hive是数据仓库，是用来进行数据挖掘的。

Hive 架构原理

1．用户接口：Client

CLI（command-line interface）、JDBC/ODBC(jdbc访问hive)、WEBUI（浏览器访问hive）

2．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；

默认存储在自带的derby数据库中，推荐使用MySQL存储Metastore

3．Hadoop

使用HDFS进行存储，使用MapReduce进行计算。

4．驱动器：Driver

（1）解析器（SQL Parser）：将SQL字符串转换成抽象语法树AST，这一步一般都用第三方工具库完成，比如antlr；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。

（2）编译器（Physical Plan）：将AST编译生成逻辑执行计划。

（3）优化器（Query Optimizer）：对逻辑执行计划进行优化。

（4）执行器（Execution）：把逻辑执行计划转换成可以运行的物理计划。对于Hive来说，就是MR/Spark。