Hive基本概念

Hive 官网地址http://hive.apache.org/
文档查看地址https://cwiki.apache.org/confluence/display/Hive/GettingStarted
下 载 地 址 http://archive.apache.org/dist/hive/
github 地 址https://github.com/apache/hive

Hive

Hive 简介

  • Hive：由Facebook 开源用于解决海量结构化日志的数据统计工具。

  • Hive 是基于 Hadoop 的一个数据仓库工具，将结构化的数据文件映射为一张表，并提供类 SQL(HQL)查询功能。

Hive 本质：将HQL（hiveSQL）转化成MapReduce 程序

image.png

  1. Hive 处理的数据存储在HDFS

  2. Hive 分析数据底层的实现是MapReduce

  3. 执行程序运行在Yarn上

  4. 结构化文件如何映射成一张表的？借助存储在元数据数据库中的元数据来解析结构化文件

Hive架构原理

image.png

Hive架构介绍

1）用户接口： Client CLI（command-line interface）、 JDBC/ODBC(jdbc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 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。

Hive的运行机制

image.png
hive通过给用户提供的一系列交互接口，接收到的用户的指令（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 交互接口中。

Hive和 数据库比较

Hive MySQL
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

Hive的优缺点

优点 缺点
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。