1.1 什么是Hive
- Hive:由Facebook开源用于解决海量结构化日志的数据统计。
- 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。
- Hive本质是:将HQL转化为MapReduce程序
1.2 Hive优缺点
1.2.1 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)。
- 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。
1.2.2 缺点
-
1.Hive 的 HQL 表达能力有限
(1)迭代式算法无法表达
(2)数据挖掘方面不擅长 -
2.Hive 的效率比较低
(1)Hive 自动生成的 MapReduce 作业,通常情况下不够智能化
(2)Hive 调优比较困难,粒度较粗
1.3 Hive的架构原理
1.用户接口:Client
- CLI(hive shell)、JDBC/ODBC(java 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。
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。
1.4 Hive和数据库比较
内容较多,为了维持篇幅,请移步另一篇博文:https://blog.csdn.net/qq_43437122/article/details/108034333