hive和Hadoop、spark、HDFS、Hbase是什么？
hive是基于hadoop的ETL（加载）数据仓库工具。Hive定义了一种类似SQL的查询语言，被称为HQL； Apache Hive™数据仓库软件便于读取、写入和管理存储在分布式Hadoop存储中的大型数据集，并使用SQL语法进行查询。Hive目前还不支持事务;不能对表数据进行修改(不能更新、删除、插入;只能通过文件追加数据、重新导入数据);不能对列建立索引(但是Hive支持索引的建立，但是不能提高Hive的查询速度。如果你想提高Hive的查询速度，请学习Hive的分区、桶的应用)。hive:基于hadoop的数据仓库工作，可以将结构性的数据映射成一张数据库表，提供HiveQL语句（类sql），并将其转化为mapreduce任务运行在hadoop上。hive不支持数据更新，只可以读，不可以。数据规模：hive存储的数据量超级大，而mysql只是存储一些少量的业务数据；
HDFS是文件系统 用来装数据的，hive是用来调用计算引擎操作数据的，HDFS是Hadoop的分布式存储文件系统；hive采用的计算引擎是Hadoop的mapreduce（从hdfs中处理数据）；spark也是类似于mapreduce的计算引擎；DFS(HadoopDistributedFileSystem)的设计本质上是为了大量的数据能横跨成百上千台机器，但是你看到的是一个文件系统而不是很多文件系统。比如你说我要获取/hdfs/tmp/file1的数据，你引用的是一个文件路径，但是实际的数据存放在很多不同的机器上。HDFS为你管理这些数据。
Hadoop分布式处理框架，用多台廉价的计算机组成集群，替代传统的服务器。每台机器都可以存储和计算。里面包含：hdfs、mapreduce；
1.数据文件被分成多个块存储在各个计算机上，提供冗余备份机制。这样，单台计算机坏掉数据也不会丢失。这就是HDFS分布式文件存储系统。
2.hadoop集群上的每台计算机都有自己的cpu，充分利用这些cpu进行并行计算。可以理解为一个计算任务被拆分为多个部分，分配到集群下的计算机上，多台机器并行计算然后再将结果汇总。这就是mapreduce。
Hbase类似于hive也是数据仓库；
hadoop：一个大脑加一个口袋构成一个单体，大脑负责计算数据，口袋负责存储数据。多个单体构成集群。
hive：使用HiveQL语句,将其转化成MapReduce任务，让多个大脑同时计算存储在多个口袋里的数据。
spark:多个更聪明的大脑组成的集群，计算存储在hadoop集群上的数据。计算速度很快，可以进行实时的应用。