Hive的概念

1 Hive的概念

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数据库表，并提供类SQL查询功能。

• 其本质是将SQL转换为MapReduce的任务进行运算，底层由HDFS来提供数据的存储支持，说白了hive可以理解为一个将SQL转换为MapReduce任务的工具，甚至更进一步可以说hive就是一个MapReduce的客户端

2 Hive与数据库的区别

Hive 具有 SQL 数据库的外表，但应用场景完全不同。

Hive 只适合用来做海量离线数据统计分析，也就是数据仓库。

3 Hive的优缺点

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

• Hive 的查询延迟很严重

• hadoop jar xxxx.jar xxx.class /input /output

  • 进行任务的划分，然后进行计算资源的申请

  • map 0% reduce 0%

  • map 10% reduce 0%

• Hive 不支持事务

4 Hive架构原理

1、用户接口：Client

• JDBC/ODBC(java访问hive)

• WEBUI（浏览器访问hive）

2、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

3、Hadoop集群

• 使用HDFS进行存储，使用MapReduce进行计算。

4、Driver：驱动器

• 解析器（SQL Parser）
  将SQL字符串转换成抽象语法树AST
  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

• 编译器（Physical Plan）：将AST编译生成逻辑执行计划

• 优化器（Query Optimizer）：对逻辑执行计划进行优化

• 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来说默认就是mapreduce任务

Views: 30