1、Hive 产生的背景：
a.MapReduce编程不方便：开发、测试、需求变更;
b.传统关系型数据库人员的需要,DBA：我就像使用sql一样的方式来处理分析大数据，不需要用mapreduce,那就好了。
所以基于以上两点，Hive就出来了。
另：文件存放在HDFS之上的，那么如果你想使用SQL去处理它，需要一个什么前提？
需要的前提就是结构化、文件映射成表格 ==> Schema 元数据信息(metastore) 。
什么叫Schema?可以理解为是库名、表名、字段名等信息，即元数据信息(metastore)。
2、Hive是什么
a.去官网看看：hive.apache.org
Hive其实就是：使用sql对分布式文件系统里的大的数据集进行读、写管理的数据仓库。
data warehouse ---数据仓库
分布式存储有：HDFS、S3、OSS
b.hive是构建在Hadoop之上的数据仓库
Hive通常用于离线处理,就是写sql,流程：SQL =====Hive=====MapReduce/Spark/Tez===>YARN
另：Hive诞生之初的流程，SQL =====Hive=====MapReduce===>YARN ，随着后续的发展，就会很慢，为什么执行性能慢呢，是mapreduce执行的模型导致的，因为所有的map task和reduce task都是以进程的方式进行的，要启动进程、销毁进程，所以就非常慢。即使开启gvm,用完还要关闭，成本很高。
c.Hive定义了SQL语言：HQL (类SQL)
d.Hive所支持的执行引擎：MapReduce、Spark、Tez
Hive on MapReduce
Hive on Spark
Hive on Tez
3、为什么要使用Hive
1) 从SQL角度，简单、容易上手、使用方便。
2) 从Hadoop角度，可以操作大规模的数据集，可以作为大数据的引擎。
3) 从MetaStore角度:有了这个之后，这些框架Pig/Impala/Presto/SparkSQL跟Hive可以共享元数据信息，
共享元数据即他们之间的元数据可以互通访问的，比如在Hive创建一张表，可以在SparkSQL能用，也可以在 Presto,Impala，Pig用。相反，在SparkSQL创建的表，在HIVE,Pig,Impala,Presto也能用。因为他们底层都是共享MetaStore。
4、Hive部署架构
Hive其实是一个客户端，没有集群概念。比如有10个hadoop节点，可以在任意节点上布置Hive，但是多个Hive并不是集群的概念，是客户端而已。Metastore可以理解为数据库。其实在生产中，元数据信息就是使用MySQL的。
下图为Hive部署架构图
在hive里面有内置的数据库derby,但基本不会用，因为存在致命的问题：只支持单用户，只能连一个。所以生产上一定使用RDBMS作为Metastore的，通常用mysql,oracle理论上也是可以的。
另外要注意，如果只部署一个mysql的话，会有单点故障，即如果该mysql挂掉了，整个架构都不能运行了，所以生产上要部署两个mysql。
5、Hive与RDBMS的关系
SQL： Hive QL和SQL的关系，HQL是类SQL,两者没有关系的，只是按照SQL的标准做的，相似而已。
实时性
事务
分布式：mysql支持分布式。
数据量
6、Hive部署 （参考本人的另一篇博客 “【大数据学习】之Hive部署 ”）
7、Hive快速入门
启动Hive（注意要先启动hdfs、yarn服务）,用语句查询测试一下
a.创建一张表ruoze_helloworld
create table ruoze_helloworld(id int,name string)
ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t';
show tables; #已经成功了
b.创建表成功后，就可以加载数据进去。
local是指linux机器，并不是hdfs,如果没有local,就表示hdfs
load data local inpath '/home/hadoop/data/helloworld.txt' overwrite into table ruoze_helloworld;
c.查询一下该表是否有数据
select count(*) from ruoze_helloworld; # 查一下，这时就跑mapreduce作业了
看看web页面，http://192.168.163.128:8088/cluster ，看看作业是否提交，见下图，已经提交到web上了。
