Hive架构原理

1．用户接口

Client CLI（hive shell）、JDBC/ODBC(java 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。 

Hive 通过给用户提供的一系列交互接口，接收到用户的指令(SQL)，使用自己的 Driver，结合元数据(MetaStore)，将这些指令翻译成 MapReduce，提交到 Hadoop 中执行，最后，将执行返回的结果输出到用户交互接口。