我们先简单回顾一下hadoop：
a，Hadoop是什么：海量数据分布式的存储和计算框架。其中数据的存储是hdfs(Hadoop Distributed File System)，而计算是yarn/mapreduce。
b，Hadoop的访问方式：shell，Java API，Web UI(50070端口)，HUE
c，我们得出的结论：使用MapReduce来处理HDFS文件系统上的数据-----真心麻烦。一个框架如果最终不能落地到使用SQL处理，那么这个框架是不会受欢迎的。
好了，说了那么多话就是为了引出我们的hive来。
1，产生背景：MapReduce编程是及其不方便的，无论是开发测试的需求变更。同时，大量DBA对传统关系型数据库的操作的需求(他们总希望可以想写SQL一样处理大数据)，所以就有了hive的出现了。而hive是处理存放在hdfs(s3,oss等也可以)上的数据，而且你是使用一种类SQL语言去处理它，过程当中需要将数据结构化，将文件映射成表格为其添加schema：元数据信息(metastore)。
2，hive是什么(hive的官网 hive.apache.org)：一种数据仓库，但是数据实际上是存储在HDFS，s3，oss上的。其最早是Facebook开源的，用于解决海量结构化日志数据。其构建的Hadoop之上，数据直接存储在HDFS上，将输入的sQL语言翻译成MapReduce在YARN上跑。同时hive定义了一种HQL，这是一个类SQL语言，但两者没有半毛钱的关系了(这里记住了，千万不要说hive是玩SQL的，面试大忌啊)。hive一般是离线处理的，你想想数据仓库哪有什么实时的对吧。
刚开始的hive是hive on mapreduce，后来又变成了hive on spark，再后来又hive on Tez了。
3，hive过往比较重要的版本升级：
2007年，Facebook开源hive。2013年，0.11版本，出了格HiveServer2。同年，0.12版本，对其进行了升级。2014年，0.13版本，Tez和Vectorized query engine(向量式查询引擎)。同年，0.14版本，新增了格CBO优化器(Cost-based optimizer)。
4，为什么要使用hive：首先其使用语言类似于SQL，方便了大量的DBA人员的使用。其二，hive是架构在hadoop上面的，数据可以很好的横向扩展。第三，其元数据可以和Pig，Impala，Presto，SparkSQL等共享。
5，部署架构：Hive确切点来说是一个客户端(他其实没有什么集群不集群的概念的)。当client使用Hive写好了HQL后，Hive将HQL翻译成mapreduce并提交到RM上面去，而所操作的数据就来自DN上的。Hive为HDFS上的文本格式数据添加的元数据后，这些元数据就存储在一些传统的关系型数据库之上的，而我们一般习惯使用MySQL(一主一备来部署)。
6，Hive和RDBMS的关系：语言上都是类似于SQL的，Hive的实时性很差，Hive上面是没有事物机制的(没必要)，Hive是操作在分布式框架上的。