什么是Hive
Hive就是数据统计工具(拿来一组数据算算平均数,算算方差)
如何实现数据统计功能呢?
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。
结构化数据:有规律的数据,结构化数据中光有数据不能成一个表格,因为缺少了最关键描述数据的元数据(描述数据的数据)
Hive的运行思路和理解
Hive不存数据,这些数据全部存在hdfs上面,而Hive能把这些数据映射成一张表,其实Hive给这份数据添加了元数据(描述信息),于是结构化数据就能成一张表了
如果没有Hive这份表处理走mapreduce,hive比mapreduce方便,hive把这份hdfs数据映射成表格,让sql语句来分析,hive在接收我们传的sql语句以后把这句sql语句转化成mapreduce程序来执行,我们可以用写sql的方式来写mapreduce程序,好处就是特别方便
本质是:将HiveSQL转化成MapReduce程序,Hive他不存数据(数据全在hdfs上),他也不计算(计算靠mapreduce),它具有是一个工具(翻译器)将sql翻译成mapreduce。
Hive:由Facebook开源用于解决海量结构化日志的数据统计工具。
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转化成MapReduce程序
优点
1.就是简单容易上手
2.处理大数据的
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)。
避免了去写MapReduce,减少开发人员的学习成本。
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。
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。
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。
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,由于MapReduce数据处理流程的限制,效率更高的算法却无法实现。
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
Hive框架原理
数据存储在hdfs上 hive加的元数据存在Meta store上,hive通过元数据把数据变成表格了,hive支持jdbc链接因为他用的是mysql。
当一句sql通过jdbc协议传到hive中的driver里,在driver里执行SQL Parser,s翻译成很多的sql碎片, 然后把这些碎片通过physical Plan编译成mapreduce程序,再把这个程序放入Query Optimizer进行优化,然后在通过Execution执行一下&#