Hive初体验

第一部分：Hive简介

什么是Hive

•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数据库表，并提供类SQL查询功能。   

•本质是将SQL转换为MapReduce程序   

      

第二部分：为什么使用Hive

面临的问题

  人员学习成本太高       

  项目周期要求太短         

  我只是需要一个简单的环境          

  MapReduce  如何搞定           

  复杂查询好难          

  Join如何实现          

为什么要使用Hive

•操作接口采用类SQL语法，提供快速开发的能力            

•避免了去写MapReduce，减少开发人员的学习成本            

•扩展功能很方便            

             

Hive的特点

•可扩展               

Hive可以自由的扩展集群的规模，一般情况下不需要重启服务               

•延展性               

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               

•容错               

                 良好的容错性，节点出现问题SQL仍可完成执行               

                

第三部分：Hive与Hadoop的关系

                 

第四部分：Hive与传统数据库对比

	Hive	RDBMS
查询语言	HQL	SQL
数据存储	HDFS	Raw Device or Local FS
执行	MapReduce	Excutor
执行延迟	高	低
处理数据规模	大	小
索引	0.8版本后加入位图索引	有复杂的索引

                           

第五部分：Hive的历史

•由FaceBook 实现并开源              

•2011年3月，0.7.0版本 发布，此版本为重大升级版本，增加了简单索引，HAING等众多高级特性              

•2011年06月，0.7.1 版本发布，修复了一些BUG，如在Windows上使用JDBC的的问题              

• 2011年12月，0.8.0版本发布，此版本为重大升级版本，增加了insert into 、HA等众多高级特性              

•2012年2月5日，0.8.1版本发布，修复了一些BUG，如 使 Hive 可以同时运行在 Hadoop0.20.x 与 0.23.0              

•2012年4月30日，0.9.0版本发布，重大改进版本，增加了对Hadoop 1.0.0的支持、实现BETWEEN等特性              

                

第六部分：Hive的未来发展               

•增加更多类似传统数据库的功能，如存储过程                

•提高转换成的MapReduce性能                

•拥有真正的数据仓库的能力                

•UI部分加强