Hive初识

1.Hive简介

Hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据映射为一张数据库表，并提供类SQL查询功能。

直接使用hadoop所面临的问题：

• 人员学习成本太高

• 项目周期要求太短

• MapReduce 实现复杂查询逻辑开发难度大

为什么要使用Hive：

• 操作接口采用类SQL语法，提供快速开发的能力。

• 避免了去写MapReduce，减少开发人员的学习成本。

• 扩展功能方便。

1.1Hive特点

1. 可扩展 Hive可以自由扩展集群的规模，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。

1.2Hive架构

ThreadServer：协议，封装了RPC
Jobtracker是hadoop1.x中的组件，它的功能相当于：Resourcemanager + AppMaster
TaskTracker相当于：Nodemanager + yarnchild

1.2.1基本组成

用户接口：包括CLI、JDBC/ODBC、WebGUI
元数据存储：通常是存储在关系数据库和mysql，Derby中
解释器、编译器、优化器、执行器

1.2.2各组件基本功能

用户接口主要有三个：CLI、JDBC/ODBC和WebGUI。其中，CLI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：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。

1.3Hive与Hadoop的关系

Hive利用HDFS存储数据，利用MapRdeuce查询数据

1.3.1Hive与传统数据库的对比

总结：Hive具有SQL数据库的外表，但应用场景完全不用，hive只适合用来做批量数据统计分析。

1.4Hive的数据存储

• Hive中所有的数据都存储在HDFS中，没有专门的数据存储格式（可支持Text，SequenceFile，ParquetFile RCFILE等）

• 只需要在创建表的时候告诉Hive数据中的列分隔符和行分隔符，Hive就可以解析数据。

• Hive中包含以下数据模型：DB、Table、External、Partition、Bucket。

1. db：在hdfs中表现为${hive.metastore.warehouse.dir}目录下的一个文件夹

2. table：在hdfs中表现所属db目录下的

3. external table：外部表，与table类似，不过其数据存放位置可以指定任意指定路径。 普通表：删除表后，hdfs上的文件都删了。External 外部表删除后，hdfs上文件没有删除，只是把文件删除了

4. partition：在hdfs中表现出为table目录的子目录、

5. bucket：在hdfs中表现为同一个目录下根据hash散列之后的多个文件，会根据不同的文件把数据放到不同的文件中。

HDFS与HIVE的关系