Hive
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(HQL)。
本质
将SQL转换为MapReduce的任务进行运算,底层由HDFS来提供数据的存储,hive可以理解为一个将SQL转换为MapReduce的任务的工具。
为什么使用Hive
1.人员学习成本太高
2.项目周期要求太短
3.MapReduce实现复杂查询逻辑开发难度太大
4.操作接口采用类SQL语法,提供快速开发的能力。
5.避免了去写MapReduce,减少开发人员的学习成本。
6.功能扩展很方便。
Hive的特点
1.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。
2.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。
3.容错:良好的容错性,节点出现问题SQL仍可完成执行。
Hive架构
架构图:
基本组成
用户接口:包括CLI、JDBC/ODBC、WebGUI。其中,CLI(command line interface)为shell命令行;JDBC/ODBC是Hive的JAVA实现,与传统数据库JDBC类似;WebGUI是通过浏览器访问Hive。
元数据存储 :通常是存储在关系数据库如mysql/derby中。Hive 将元数据存储在数据库中。Hive 中的元数据包括表的名字,表的列和分区及其属性,表的属性(是否为外部表等),表的数据所在目录等。
解释器、编译器、优化器、执行器:完成HQL 查询语句从词法分析、语法分析、编译、优化以及查询计划的生成。生成的查询计划存储在HDFS 中,并在随后有MapReduce 调用执行。
Hive与Hadoop的关系
Hive利用HDFS存储数据,利用MapReduce查询分析数据
Hive与传统数据库对比
hive用于海量数据的离线数据分析
1.Hive中没有定义专门的数据格式,数据格式可以由用户指定,用户定义数据格式需要指定三个属性:列分隔符(通常为空格、”\t”、”\x001″)、行分隔符(”\n”)以及读取文件数据的方法(Hive 中默认有三个文件格式 TextFile,SequenceFile 以及 RCFile)。
2.Hive在加载数据的过程中,不需要从用户数据格式到Hive 定义的数据格式的转换。
3.Hive 在加载的过程中 不会对数据本身进行任何修改,甚至不会对数据进行扫描 而只是将数据内容复制或者移动到相应的 HDFS 目录中。
4.Hive 中不支持对数据的改写和添加,所有的数据都是在加载的时候中确定好的。
5.Hive 在加载数据的过程中*不会对数据中的某些 Key 建立索引Hive 要访问数据中满足条件的特定值时,需要暴力扫描整个数据,因此访问延迟较高。由于数据的访问延迟较高,决定了Hive 不适合在线数据查询。
6.Hive 是建立在Hadoop 之上的,因此 Hive 的可扩展性是和Hadoop 的可扩展性是一致的
Hive的数据存储