1、Hive是什么？
基于Hadoop的开源的数据仓库工具，用于处理海量结构化数据。
Hive把HDFS中结构化的数据映射成表。
Hive通过把HiveSQL进行解析和转换，最终生成一系列在hadoop上运行的mapreduce任务，通过执行这些任务完成数据分析与处理。
由于Hive采用了SQL的查询语言HQL，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。
2、Hive与传统数据库的比较
说明：
- 数据仓库/数据湖主要是用来数据分析的，对企业中的决策起到关键性
的作用。 - 数据仓库本身不产生数据，也不消耗数据；其数据是从外部来的，并且
主要提供给外部使用。 - 数据仓库是面向主题性来构建的，一般一个数仓都有一个特定的目的。
- 数据仓库集成了众多类型的数据，分成了许多不同的层次。
- 数据仓库中的历史数据一般不会改变，因为其主要用来记录已经发生的
事实的数据。 - 数据仓库上层的分析是可能会发生变化的，体现了分析的灵活性。
- 面向事务的联机事务处理OLTP vs 面向分析的联机分析处理OLAP。
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。
2.数据存储位置
Hive 是建立在 Hadoop之上的，所有 Hive的数据都是存储在 HDFS中的。
数据库则可以将数据保存在块设备或者本地文件系统中。
3.数据格式
Hive 中没有定义专门的数据格式，数据格式可以由用户指定，用户定义数据格式需要指定三个属性：列分隔符（通常为空格、”\t”、”\x001″）、行分隔符（”\n”）以及读取文件数据的方法（Hive中默认有三个文件格式 TextFile，SequenceFile以及 RCFile）。
4.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中不支持对数据的改写和添加，所有的数据都是在加载的时候中确定好的。
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。
5.索引
Hive要访问数据中满足条件的特定值时，需要暴力扫描整个数据，因此访问延迟较高。由于 MapReduce的引入， Hive可以并行访问数据，因此即使没有索引，对于大数据量的访问，Hive仍然可以体现出优势。
数据库中，通常会针对一个或者几个列建立索引，因此对于少量的特定条件的数据的访问，数据库可以有很高的效率，较低的延迟。由于数据的访问延迟较高，决定了 Hive不适合在线数据查询。
6.执行
Hive 中大多数查询的执行是通过 Hadoop提供的 MapReduce来实现的（类似 select * from tbl的查询不需要 MapReduce）。
数据库通常有自己的执行引擎。
7.执行延迟
之前提到，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。
8.可扩展性
由于 Hive是建立在 Hadoop之上的，因此 Hive的可扩展性是和 Hadoop的可扩展性是一致的。
数据库由于 ACID语义的严格限制，扩展行非常有限。目前最先进的并行数据库 Oracle在理论上的扩展能力也只有 100台左右。
9.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；
数据库可以支持的数据规模较小。
