Hive入门

目录

 Hive入门

 什么是Hive

1）Hive简介

示例：统计单词出现个数

2）Hive本质

 Hive架构原理

1）用户接口：Client

说明：JDBC和ODBC的区别

2）元数据：Metastore

3）驱动器：Driver

抽象语法树 

逻辑计划与物理计划 

4）Hadoop

---

 Hive入门

 什么是Hive

1）Hive简介

Hive是由Facebook开源，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。

那么，Hive是为了解决什么问题而诞生的呢？

下面通过一个案例，来快速了解一下Hive。

示例：统计单词出现个数

1. 在Hadoop课程中我们用MapReduce程序实现的，当时需要写Mapper、Reducer和Driver三个类，并实现对应逻辑，相对繁琐。

    

   lzl
   lzl
   ss
   ss
   jiao
   banzhang
   xue
   hadoop

2. 如果通过Hive SQL实现，一行就搞定了，简单方便，容易理解。

   select count(*) from test group by id;

2）Hive本质

Hive是一个Hadoop客户端，用于将HQL（Hive SQL）转化成MapReduce程序。

• Hive中每张表的数据存储在HDFS。
• Hive分析数据底层的实现是MapReduce（也可配置为Spark或者Tez）。
• 执行程序运行在Yarn上。

 Hive架构原理

 

1）用户接口：Client

CLI（command-line interface）、JDBC/ODBC。

说明：JDBC和ODBC的区别

1. JDBC的移植性比ODBC好；（通常情况下，安装完ODBC驱动程序之后，还需要经过确定的配置才能够应用。而不相同的配置在不相同数据库服务器之间不能够通用。所以，安装一次就需要再配置一次。JDBC只需要选取适当的JDBC数据库驱动程序，就不需要额外的配置。在安装过程中，JDBC数据库驱动程序会自己完成有关的配置。）
2. 两者使用的语言不同，JDBC在Java编程时使用，ODBC一般在C/C++编程时使用。

2）元数据：Metastore

元数据包括：数据库（默认是default）、表名、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，由于derby数据库只支持单客户端访问，生产环境中为了多人开发，推荐使用MySQL存储Metastore。

3）驱动器：Driver

• 解析器（SQLParser）：将SQL字符串转换成抽象语法树（AST）
• 语义分析（Semantic Analyzer）：将AST进一步划分为QueryBlock
• 逻辑计划生成器（Logical Plan Gen）：将语法树生成逻辑计划
• 逻辑优化器（Logical Optimizer）：对逻辑计划进行优化
• 物理计划生成器（Physical Plan Gen）：根据优化后的逻辑计划生成物理计划
• 物理优化器（Physical Optimizer）：对物理计划进行优化
• 执行器（Execution）：执行该计划，得到查询结果并返回给客户端

抽象语法树 

 

逻辑计划与物理计划 

 

4）Hadoop

使用HDFS进行存储，可以选择MapReduce/Tez/Spark进行计算。