Hive之简单介绍

Hive 基本概念

1. 什么是 Hive

Hive 是基于 Hadoop 的一个数据仓库工具，用于解决海量结构化日志的数据统计工具，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

2. Hive 的优缺点

2.1 优点

1. 操作接口采用类 SQL 语法，提供快速开发的能力
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
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

2.2 缺点

1. 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，效率更高的算法却无法实现
2. 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

3. 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
   • 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
3. Hadoop
   • 使用 HDFS 进行存储，使用 MapReduce 进行计算
4. 驱动器：Driver
   • 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
   • 编译器（Physical Plan）：将 AST 编译生成逻辑执行计划
   • 优化器（Query Optimizer）：对逻辑执行计划进行优化
   • 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。