Hive学习记录01—基本概念
Hive基本概念
Hive
- Hive：由 Facebook 开源用于解决海量结构化日志的数据统计。
- 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为一张表，并提供类 SQL 查询功能。
- 本质是：将 HQL 转化成 MapReduce 程序
注意
- 1）Hive 处理的数据存储在 HDFS
- 2）Hive 分析数据底层的默认实现是 MapReduce
- 3）执行程序运行在 Yarn 上
Hive优缺点
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。
- 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。
- 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。 - 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。
缺点
- 迭代式算法无法表达
- 数据挖掘方面不擅长
- Hive 自动生成的 MapReduce 作业，通常情况下不够智能化
- Hive 调优比较困难，粒度较粗
Hive架构原理
- 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 MySQL 存储 Metastore - Hadoop
使用 HDFS 进行存储，使用 MapReduce 进行计算。 - 驱动器：Driver
(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 MR/Spark。
运行机制
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。
Hive和传统数据库比较
- Hive采用的类似SQL的查询语言HQL。双方都可以用SQL进行操作
- Hive数据存储在HDFS中。数据库则将数据存储在块设备或本地文件系统中。
- Hive针对数据仓库应用设计的，特点是读多写少。数据库中数据需要常进行修改操作。
- Hive中没有索引，不适合进行实时查询。传统数据库存在索引。
- Hive查询执行通过MapReduce。数据库是通过自己的数据库执行引擎。
- Hive扫描全表，延迟高。数据库在一定数据量内延迟较低，在面对大容量数据规模，Hive处理速度会快。
- Hive拓展性高。传统数据库拓展性低。
- Hive支持大规模数据。传统数据库数据规模较小。
