一、简介
Hive是建立在Hadoop HDFS上的数据仓库基础架构；
Hive可以用来进行数据提取转化加载（ETL）；
Hive定义了简单的类似SQL查询语言，称之为HQL它允许熟悉SQL的用户查询数据；
Hive允许熟悉MapReduce开发者开发自定义的mapper和reducer来处理内建的mapper和reducer无法完成的复杂的分析工作；
Hive是SQL解析引擎，他将SQL语句转移成M/R JOB然后在Hadoop执行；
Hive的表其实就是HDFS的目录/文件；
二、Hive的体系结构
Hive的元数据
Hive将元数据存储在数据库中（metastore），支持mysql、derby等数据库；
Hive中的元数据包括表的名字，表的列和分区及其属性，表的属性（是否为外部表等），表的数据所在目录等；
Hive的执行过程
解释器、编译器、优化器完成HQL查询语句从词法分析、语法分析、编译、优化以及查询计划（Plan）的生成。生成的查询计划存储在HDFS中，并在随后由MapReduce调用执行；
Hive的体系结构
三、Hive的管理
1、命令行方式
直接输入#<HIVE_HOME>/bin/hive的执行程序
或者输入#hive --service cli
常用的CLI命令
- 清屏： Ctrl + L 或者 ！clear
- 查看数据仓库中的表： show tables;
- 查看数据仓库中内置的函数： shou functions;
- 查看表结构： desc 表名
- 查看HDFS上的文件： dfs -ls 目录
- 执行操作系统的命令： ! 命令
- 执行HQL语句： select *** from ***
- 执行SQL的脚本： source SQL文件
2、Web界面方式
- 端口号9999
- 启动方式：hive --servicehwi &
- 通过浏览器访问：http://<IP地址>:9999/hwi/
3、远程服务启动方式
- 端口号10000
- 启动方式：hive --service hiveserver &
- 以JDBC或ODBC的程序登录到hive中操作数据时，必须用远程服务启动方式
四、Hive的数据类型
基本数据类型
- tinyint/smallint/int/bigint：整数类型
- float/double：浮点数类型
- boolean：布尔类型
- string：字符串类型
复杂数据类型
- Array：数组类型，由一系列相同数据类型的元素组成
- Map：集合类型，包含key-value键值对，可以通过key来访问元素
- Struct：结构类型，可以包含不同数据类型的元素，这些元素可以通过“点语法”的方式来得到所需要的元素
时间类型
- Date：从Hive0.12.0开始支持
- Timestamp：从Hive0.8.0开始支持
五、Hive的数据模型
表
- Table 内部表
与数据库中的Table在概念上是类似
每一个Table在Hive中都有一个相应的目录存储数据
所有的Table数据（不包括External Table）都保存在这个目录中
删除表时，元数据与数据都会被删除
- Partition 分区表
Partition对应于数据库的Partition列的密集索引
在Hive中，表中的一个Partition对应于表下的一个目录，所有的Partition的数据都存储在对应的目录中
- External Table 外部表
指向已经在HDFS中存在的数据，可以创建Partition
它和内部表在元数据的组织上是相同的，而实际数据的存储则有较大的差异
外部表只有一个过程，加载数据和创建表同时完成，并不会移动到数据仓库目录中，只是与外部数据建立一个链接。当删除一个外部表时，仅删除该链接
- Bucket Table 桶表
桶表是对数据进行哈希取值，然后放到不同文件中存储
视图
视图是一种虚表，是一个逻辑概念；可以跨越多张表
视图建立在已有表的基础上，视图赖以建立的这些表称为基表
视图可以简化复杂的查询