Hive是什么：
Hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射成一张表，并提供类SQL查询功能；其本质是将HQL转化成MapReduce程序。
构建在Hadoop之上的数据仓库：
- 使用HQL作为查询接口
- 使用HDFS存储
- 使用MapReduce计算
灵活性和扩展性比较好：支持UDF，自定义存储格式等：
适合离线数据处理
Hive体系结构：
Hive的数据存储基于HDFS，其没有专门的数据存储格式，主要的存储结构主要包括：数据库，文件，表，视图，索引。Hive默认可以直接加载文本文件（TextFile），还支持SequenceFile，RCFile。创建表时指定Hive数据的列分隔符与行分隔符即可解析数据。
- 用户接口：Client：
- CLI(hive shell)、JDBC/ODBC(java访问hive)，WEBUI(浏览器访问hive)
- 元数据：Metastore
- 元数据包括：表名、表所属的数据库（默认是default）、表的拥有者、列/分区字段、表的类型（是否是外部表）、表的数据所在目录等；
- 默认存储在自带的derby数据库中，推荐使用采用MySQL
- Hadoop
- 使用HDFS进行存储，使用MapReduce进行计算
- 驱动器：Driver（包含解析器，编译器，优化器，执行器）
- 解析器：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(比如select中被判定为聚合的字段在group by中是否有出现)；
- 编译器：将AST编译生成逻辑执行计划；
- 优化器：对逻辑执行计划进行优化；
- 执行器：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MR/TEZ/Spark；
Hive四种表类型
1.分区表
- 最常用
- 可以按时间日期进行分区
2.内部表（管理表）
- 一般创建临时表使用内部表
- 创建的时候如果不指定是外部表，默认就是内部表
- 删除表会将数据一并删除
3.外部表（托管表）
- 推荐使用此方式创建表
- 创建的时候需要使用关键字(EXTERNAL)声明
- 删除表的时候只会删除表结构不会删除数据
4.桶表
- 不常用
- 桶表专门用于抽样查询，是很专业性的
- 不是日常用来存储数据的表，需要抽样查询时，才创建和使用桶表。
Hive 优点与使用场景
优点：
- 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)；
- 避免了去写MapReduce，减少开发人员的学习成本；
- 统一的元数据管理，可与impala/spark等共享元数据；
- 易扩展(HDFS+MapReduce：可以扩展集群规模；支持自定义函数)；
使用场景：
- Hive的执行延迟比较高，因此hive常用于数据分析的，对实时性要求不高的场合；
- 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。