Hive定义，优缺点，架构原理介绍

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