大数据Hive其实一点都不难，从入坑到放弃？不存在的

Hive

首先，我们来介绍一下什么是Hive。有些人不仅会想，Hive不就是写SQL的吗。没错，Hive和SQL的语法结构很像，其实，二者没有多大区别，甚至可以这样讲，Hive就是写SQL。但是，问题就来了–它真正的就是SQL了吗？它和SQL数据库有什么区别？和其他的关传统的系型数据库又有什么区别和关系呢？一系类问题，别急，我们慢慢来分析。

1、Hive 由 Facebook 实现并开源
2、是基于 Hadoop 的一个数据仓库工具
3、可以将结构化的数据映射为一张数据库表
4、并提供 HQL(Hive SQL)查询功能
5、底层数据是存储在 HDFS 上
6、Hive的本质是将 SQL 语句转换为 MapReduce 任务运行
7、使不熟悉 MapReduce 的用户很方便地利用 HQL 处理和计算 HDFS 上的结构化的数据，适用于离线的批量数据计算。

数据仓库之父比尔·恩门（Bill Inmon）在 1991 年出版的“Building the Data Warehouse”（《建 立数据仓库》）一书中所提出的定义被广泛接受——数据仓库（Data Warehouse）是一个面 向主题的（Subject Oriented）、集成的（Integrated）、相对稳定的（Non-Volatile）、反映历史 变化（Time Variant）的数据集合，用于支持管理决策(Decision Making Support)。

Hive 依赖于 HDFS 存储数据，Hive 将 HQL 转换成 MapReduce 执行，所以说 Hive 是基于 Hadoop 的一个数据仓库工具，实质就是一款基于 HDFS 的 MapReduce 计算框架，对存储在 HDFS 中的数据进行分析和管理。

Hive的产生背景
大数据时代的到来，海量的数据对于传统的关系型数据库来说维护起来成本非常高，那该如何是好呢？这时候Hive就诞生了，最开始是facebook开源，最初用于解决海量结构化的日志数据统计问题；ETL （Extraction-Transformation-Loading ）工具构建在Hadoop之上的数据仓库；数据计算使用MR ，数据存储使用HDFS。

Hive 定义了一种类 SQL 查询语言，叫做HQL；类似SQL，但不完全相同，通常用于进行离线数据处理（采用MapReduce）；可认为是一个HQL MR的语言翻译器。

Apache Hive数据仓库软件可以使用SQL方便地阅读、编写和管理分布在分布式存储中的大型数据集。结构可以投射到已经存储的数据上。提供了一个命令行工具和JDBC驱动程序来将用户连接到Hive。产生背景有以下几个方面：

1. MapReduce编程的不便性
2. HDFS上的文件缺少某些字段

Hive 在Hadoop生态系统的位置

Hive体系架构

说了这么多，你对Hive的了解是不是高多了，那么问题来了，我们为什么要使用Hive呢？它有什么独特之处吗？使用 MapReduce不好吗？