Hive 第一天

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