Hive框架详解

Hive基本概念

1.hive基本概念
(1)起源:由FaceBook开源，用于解决海量结构化日志的数据统计。
(2)概念: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。
(3)本质:将HQL转换成MapReduce程序。
①Hive处理的数据存储在HDFS
②Hive分析数据底层的实现是MapReduce
③执行程序运行在YARN上

2.hive优缺点:
(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。
③Hive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；
④Hive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。
⑤Hive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)缺点:
①Hive的HQL表达能力有限
a.迭代式算法无法表达
b.数据挖掘方面不擅长
②Hive的效率比较低
a.Hive自动生成的MapReduce作业，通常情况下不够智能化
b.Hive调优比较困难，粒度较粗

3.Hive架构原理:
(1)原理: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。
(2)用户接口：Client
CLI（Hive Shell）、JDBC/ODBC(Java 访问 Hive)、WEBUI（浏览器访问 Hive）
(3)元数据：Metastore
①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；
②默认存储在自带的derby数据库中，推荐使用MySQL存储Metastore
(4)Hadoop
使用HDFS进行存储，使用MapReduce进行计算。
(5)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&#