2000字解释Hive基本概念

最新推荐文章于 2022-06-15 13:50:59 发布

咪蒙不秃头

最新推荐文章于 2022-06-15 13:50:59 发布

阅读量111

点赞数

分类专栏： hive 文章标签：大数据 hive

本文链接：https://blog.csdn.net/qq_45092505/article/details/108836658

版权

hive 专栏收录该内容

1 篇文章 0 订阅

订阅专栏

Hive基本概念

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。
本质是：将HQL/SQL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

Hive架构

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）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的数据模型

database：在HDFS中表现为{hive.metastore.warehouse.dir}目录下一个文件夹
table:在HDFS中表现所属database目录下一个文件夹
external table：与table类似，不过其数据存放位置可以指定任意HDFS目录路径
partition：在HDFS中表现为table目录下的子目录
bucket:在HDFS中表现为同一个表目录或者分区目录下根据某字段的值进行hash散列之后的多个文件
view：与传统数据库类似，只读，给予基本表创建

Hive的内部表和外部表区别和使用

1.在导入数据到外部表，数据并没有移动到自己的数据仓库目录下，也就是说外部表中的数据并不是自己管理的，而内部表不一样。
2.在删除内部表时，Hive将会把属于表的元数据和数据全部删掉，而删掉外部表的时候，Hive仅仅删除外部表的元数据，数据是不会删除的。不管创建内部表还是外部表，都可以对hive表的数据存储目录中的数据进行增删操作，内部表只是一个对HDFS新的抽象。

Hive 和 Hbase 区别

Hive适合用来对一段时间内的数据进行分析查询，例如，用来计算趋势或者网络日志，Hive不应该用来进行实时查询，因为它需要很长时间才可以返回结果。
Hbase非常适合用来进行大数据实时查询。Facebook用Hbase进行消息和实时的分析，它也可以用来统计Facebook的连接数。

Hive和传统数据库之间的区别

写时模式和读时模式传统数据库时写时模式，在load过程中，提升了查询性能，因为预先解析之后可以对列建立索引，并压缩，但这样也会花费更多的加载时间。
Hive是读是时模式，load data非常迅速，因为它不需要读取数据进行解析，仅仅进行文件的复制或者移动。
数据格式。Hive中没有定义专门的数据格式，由用户指定，需要指定三个属性，列分割符，行分隔符，以及读取文件数据的方法。数据库中，存储引擎定义了自己的数据格式。所有数据都会按照一定的组织存储。
数据更新，Hive的内容时读多写少的，因此，不支持对数据的改写和删除，数据都在加载的时候中确定好的，数据库中的数据中的数据通常是需要经常进行修改。
执行延迟，Hive在查询数据的时候，需要扫描整个表或分区，因此延迟比较高，只有在处理大数据才有优势，数据库在处理小数据时延迟较低。
索引，hive比较弱，不适合实时查询，数据库有。
执行，hive是mapreduce，数据库是executor
可扩展性，hive高，数据库低
数据规模，hive大，数据库小

Hive的优缺点

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。