目录
什么是Hive？
Hive是基于Hadoop的数据仓库工具，可以将结构化的数据文件映射为一张数据库表。Hive提供类似SQL的HiveQL的数据处理功能，Hive将HiveQL语句转换成MapReduce程序交给Hadoop集群处理。
为什么要用Hive？
MapReduce实现复杂查询逻辑开发难度太大，人员学习成本太高，项目周期要求短，引入Hive可以使用HiveQL这种类SQL语法，提供快速开发的能力，避免写MapReduce程序，降低学习成本。
Hive的组成：
- 用户接口； CLI、HiveServer2、HUE
- 元数据存储；
- 解释器、编译器、优化器、执行器。
各组件的功能：
用户接口：
- CLI：使用shell客户端进行交互，用Hive进行通信。
- HiveServer2：通过JDBC或者ODBC去访问Hive。
- HUE：通过Web页面来和Hive进行交互。
元数据存储：
Hive 将元数据存储在数据库中。Hive 中的元数据包括表的名字，修改时间，表类型（内部表、外部表），创建时间，存储位置，表的字段信息等。
解释器：解释器的作用是将HiveSQL语句转换为语法树（AST）。
编译器：编译器是将语法树编译为逻辑执行计划。
优化器：优化器是对逻辑执行计划进行优化。
执行器：执行器是调用底层的运行框架执行逻辑执行计划。
Hive与传统数据库对比：
| Hive | 数据库 | |
|---|---|---|
| 查询语句 | HQL | SQL |
| 数据 | 历史数据 | 实时数据 |
| 数据存储位置 | HDFS | Raw Device或者Local FS |
| 数据更新 | 不支持 | 支持 |
| 索引 | 无 | 有 |
| 执行 | MapReduce | Excutor |
| 执行延迟 | 高 | 低 |
| 可扩展性 | 高 | 低 |
| 数据规模 | 大 | 小 |
| 给谁提供服务 | 管理者 | 用户 |
Hive的数据存储：
Hive是建立在Hadoop系统之上的。Hive本身没有专门的数据存储格式，所有的数据都存储在HDFS中。
Hive不能为数据建立索引，用户需要在建立表时指定Hive数据中的列分隔符和行分隔符即可解析数据。
Hive中包含四种数据模型：Table，External Table，Partition，Bucket
Table：Hive中的表和数据库中的表在概念上是类似的，每个表在Hive中都有一个对应的存储目录。
External Table：外部表与Table类似，但是External Table的数据存放位置可以在任意指定路径。
Partition：分区，在hdfs中表现为table目录下的子目录。
Bucket：桶, 在HDFS中表现为同一个表目录下根据hash散列之后的多个文件, 会根据不同的文件把数据放到不同的文件中。
Hive与Hadoop的关系：
Hive将HQL语句转换成MapReduce程序，交给MapReduce计算处理，并存储到HDFS中。