Hive学习视频心得（一）Hive基本介绍

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。