Hive基本概念

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

使用HDFS进行存储，使用MapReduce进行计算。

4）驱动器： Driver

解析器（SQL P arser）：

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。

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，就是MR/Spark。

语言

类sql

sql

数据规模

大数据pb及以上

数据量小一般百万左右到达单表极限

数据插入

能增加insert,不能update,delete

能insert,update,delete

数据存储

Hdfs

拥有自己的存储空间

计算引擎

Mapreduce/spark/tez

自己的引擎innodb

1. 提供了类SQl语法操作接口， 具备快速开发的能力（简单、易上 手）

Hive的HQL 表达能力有限

1）Hive自动生成MapReduce作业，通常情况下 不够智能化

2. 避免了去写MapReduce，减少 开发者的学习成本

2）数据挖掘方面不擅长（多个子查询），由于 MapReduce数据处理流程的限制，效率更高的算 法却无法实现

3. Hive优势在于处理大数据，在 处理小数据时没有优势，因为 Hive的执行延迟较高。

Hive的效率比 较低

1）Hive的执行延迟比较高，因为Hive常用于数 据分析，对实时性要求不高的场合

2）Hive调优比较困难，粒度较粗

4. 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

Hive不支持实 时查询和行级别更新

hive分析的数据是存储在HDFS上的，而HDFS 仅支持追加写，所以在hive中不能update和 delete，只能select和insert。