Hadoop之Hive入门详解
第一章、Hive的基本概念
一、什么是Hive?
1.Hive是基于Hadoop的一个数据仓库工具;
2.Hive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。
3.Hive本质:将HQL转换成MapReduce程序。
4.Hive与Hadoop的关系
(1)Hive封装了很多MapReduce的模板
(2)Hive的数据存储在HDFS上
(3)Hive运行在YARN上
ps:结构化数据,有行有列(每列数据类型相同)
ps:MySQL4.1之前,varchar的范围
ps:Hive中字符串直接用String,不用varchar();
二、Hive的优缺点
1.优点:
(1)操作接口采用类SQL语法,提供快速开发的能力。
(2)避免了写MapReduce,减少了开发人员的学习成本。
(3)Hive优势在于处理大数据,支持海量数据的分析与计算。
(4)Hive支持用户自定义函数,可根据自己需求来实现自己的函数。
2.缺点:
(1)Hive自动生成的MapReduce作业,通常不够智能化。(机翻)
(2)数据挖掘能力不擅长,
(3)Hive的效率比较低,执行延迟比较高
(4)Hive调优比较困难,粒度较粗。
(5)Hive不支持实时查询和行级别更新
三、Hive的架构原理
1.用户连接:
(1)CLI(command-line interface)
(2)JDBC/ODBC(jdbc访问hive)
2.元数据:Metastore,描述数据的数据,表名、表所属的数据库、表拥有者、表列字段、表的类型、字段数据类型、表数据的所在目录。
(1)元数据必须与数据分开,否则会破坏数据的结构化。
(2)默认存储在自带的derby数据库中,推荐使用MySQL存储Metastore。
3.Hadoop:使用HDFS进行存储,使用MapReduce进行计算。
4.驱动器:Driver
(1)解析器:判断sql语法的问题
(2)编译器:将写好的sql制定执行计划
(3)优化器:对写好的执行计划优化
(4)执行器:找mr模板执行sql
四、Hive和数据库的比较
由于 Hive 采用了类似SQL 的查询语言 HQL(Hive Query Language),因此很容易将 Hive 理解为数据库。其实从结构上来看,Hive 和数据库除了拥有类似的查询语言,再无类似之处。本文将从多个方面来阐述 Hive 和数据库的差异。数据库可以用在 Online 的应用中,但是Hive 是为数据仓库而设计的,清楚这一点,有助于从应用角度理解 Hive 的特性。
1、 查询语言
由于SQL被广泛的应用在数据仓库中,因此,专门针对Hive的特性设计了类SQL的查询语言HQL。熟悉SQL开发的开发者可以很方便的使用Hive进行开发。
2、数据更新
由于Hive是针对数据仓库应用设计的,而数据仓库的内容是读多写少的。因此,Hive中不建议对数据的改写,所有的数据都是在加载的时候确定好的。而数据库中的数据通常是需要经常进行修改的,因此可以使用 INSERT INTO … VALUES 添加数据,使用 UPDATE … SET修改数据。
3、 执行延迟
Hive 在查询数据的时候,由于没有索引,需要扫描整个表,因此延迟较高。另外一个导致 Hive 执行延迟高的因素是 MapReduce框架。由于MapReduce 本身具有较高的延迟,因此在利用MapReduce 执行Hive查询时,也会有较高的延迟。相对的,数据库的执行延迟较低。当然,这个低是有条件的,即数据规模较小,当数据规模大到超过数据库的处理能力的时候,Hive的并行计算显然能体现出优势。
4、 数据规模
由于Hive建立在集群上并可以利用MapReduce进行并行计算,因此可以支持很大规模的数据;对应的,数据库可以支持的数据规模较小。
第二章、Hive安装
具体详见Hive安装,因考虑不同版本,本文暂不详述。
第三章、Hive数据类型
一、基本数据类型
HIVE | MySQL | JAVA | 长度 | 例子 |
---|---|---|---|---|
TINYINT | TINYINT | byte | 1byte有符号整数 | 2 |
SMALINT | SMALINT | short | 2byte有符号整数 | 20 |
INT | INT | int | 4byte有符号整数 | 20 |
BIGINT | BIGINT | long | 8byte有符号整数 | 20 |
BOOLEAN | 无 | boolean | 布尔类型,true或者false | TRUE FALSE |
FLOAT | FLOAT | float | 单精度浮点数 | 3.14159 |
DOUBLE | DOUBLE | double | 双精度浮点数 | 3.14159 |
STRING | VARCHAR | string | 字符系列。可以指定字符集。可以使用单引号或者双引号。 | ‘now is the time’ “for all good men” |
TIMESTAMP | TIMESTAMP | 时间类型 | ||
BINARY | BINARY | 字节数组 |
对于Hive的String类型相当于数据库的varchar类型,该类型是一个可变的字符串,不过它不能声明其中最多能存储多少个字符,理论上它可以存储2GB的字符数。