从本文开始，我们开始介绍Hive的相关知识，本文比较简单，主要介绍一下Hive的基本概念。关注专栏《破茧成蝶——大数据篇》，查看更多相关的内容~
目录
一、什么是Hive
Hive是由Facebook开源的，构建于Hadoop之上的数据仓库工具，将结构化的数据映射成一张表格，提供了类SQL的查询语句，底层可以转换为MapReduce去执行。Hive的数据存储在HDFS之上，大部分的查询计算由MapReduce完成，Hive将元数据存储在数据库中。
二、Hive的优缺点
2.1 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。
2.2 Hive的缺点
1、Hive的HQL表达能力有限：（1）迭代式算法无法表达。（2）数据挖掘方面不擅长，由于MapReduce数据处理流程的限制，效率更高的算法无法实现。
2、Hive的效率比较低：（1）Hive自动生成的MapReduce作业，通常情况下不够智能化。（2）Hive调优比较困难，粒度较粗。三、Hive的架构
Hive的架构如下图所示：
1、Client：用户可以通过CLI（command-line interface，命令行窗口）、jdbc访问Hive。
2、Metastore（元数据）：元数据包括表名、表所属的数据库、表的拥有者、列/分区字段、表的类型、表的数据所在目录等。元数据信息默认存储在自带的derby数据库中，推荐使用MySQL存储元数据信息。
3、使用HDFS进行数据存储，使用MapReduce进行计算。
4、Driver（驱动器）：（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MapReduce或者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。
四、Hive与数据库的比较
由于Hive采用了类似SQL的查询语言HQL(Hive Query Language)，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。数据库可以用在Online的应用中，但是Hive是为数据仓库而设计的，下面一起来看一下两者都有哪些差异吧。
首先是查询语言，Hive采用了类SQL的查询语言。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中不建议对数据的改写，所有的数据都是在加载的时候确定好的。而数据库中的数据通常是需要经常进行修改的。Hive中大多数查询的执行是通过Hadoop提供的MapReduce来实现的；而数据库通常有自己的执行引擎。Hive在查询数据的时候，由于没有索引，需要扫描整个表，加之其底层调用的是MapReduce，所以延迟很高，而数据库的延迟相对较低。Hive是建立在Hadoop之上的，所有Hive的数据都是存储在HDFS中的。而数据库则可以将数据保存在块设备或者本地文件系统中。Hive是建立在Hadoop之上的，其扩展性非常好，同时它可以支持大规模的数据计算，对应的，数据库可以支持的数据规模较小。
Hive的基本概念比较简单，本文就介绍到这里，你们在此过程中遇到了什么问题，欢迎留言，让我看看你们都遇到了什么问题~