1、Hive的基本介绍
本质是:将HQL转化成MapReduce程序
①、Hive处理的数据存储在HDFS
②、Hive分析数据底层的实现是MapReduce
③、执行程序运行在Yarn上
2、Hive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(简单、容易上手)。
②、避免了去写MapReduce,减少开发人员的学习成本。
③、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。
④、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。
⑤、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。
2)、缺点
①、Hive的HQL表达能力有限
a、迭代式算法无法表达
b、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
a、Hive自动生成的MapReduce作业,通常情况下不够智能化
b、Hive调优比较困难,粒度较粗
3、Hive架构原理
1)、用户接口:Client
CLI(command-line interface)、JDBC/ODBC(jdbc访问hive)、WEBUI(浏览器访问hive)
2)、元数据:Metastore
元数据包括:表名、表所属的数据库(默认是default)、表的拥有者、列/分区字段、表的类型(是否是外部表)、表的数据所在目录等;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(SQL Parser):将SQL字符串转换成抽象语法树AST,这一步一般都用第三方工具库完成,比如antlr;对AST进行语 法分析,比如表是否存在、字段是否存在、SQL语义是否有误。
②、编译器(Physical Plan):将AST编译生成逻辑执行计划。
③、优化器(Query Optimizer):对逻辑执行计划进行优化。
④、执行器(Execution):把逻辑执行计划转换成可以运行的物理计划。对于Hive来说,就是MR/Spark。