Hive 学习笔记（一）Hive简介

Apache Hive

Hive 是基于Hadoop平台下的一个数据仓库工具，它能用于数据集成、ad-hoc queries、大数据分析. 它的本质就是将类似于熟悉的SQL的语句转换为MapReduce程序, 这种语句叫HiveQL.

Apache Hive^TM 有以下特点：

• 它提供了一个易用的ETL工具
• 它提供多样数据格式的转换机制
• 它能直接在 Apache HDFS^TM中存取数据，也可以对数据存储系统进行存取，比如Apache HBase^TM
• 它就是通过查询自动的转换为了MR。

同时，这个语言也允许熟悉 MapReduce 开发者的开发自定义的 mapper 和 reducer 来处理内建的 mapper 和 reducer 无法完成的复杂的分析工作。Hive 的设计不是用于在线事物处理，也不提供实时查询或低层次更新.他最适用于不可变的大数据集的批量任务 (like web logs).

Hive的基本构架

Hive 的结构可以分为以下几部分：

• 用户接口：包括 CLI, Client, WUI
• 元数据存储。通常是存储在关系数据库如 mysql, derby 中
• 解释器、编译器、优化器、执行器
• Hadoop：用 HDFS 进行存储，利用MapReduce 进行计算

      

1、 用户接口主要有三个：CLI，Client和 WUI。其中最常用的是 CLI，Cli 启动的时候，会同时启动一个 Hive 副本。Client 是 Hive 的客户端，用户连接至 Hive Server。在启动 Client 模式的时候，需要指出 Hive Server 所在节点，并且在该节点启动 Hive Server。 WUI 是通过浏览器访问 Hive。

2、 Hive 将元数据存储在数据库中，如 mysql、derby。Hive 中的元数据包括表的名字，表的列和分区及其属性，表的属性（是否为外部表等），表的数据所在目录等。

3、 解释器、编译器、优化器完成 HQL 查询语句从词法分析、语法分析、编译、优化以及查询计划的生成。生成的查询计划存储在 HDFS 中，并在随后有 MapReduce 调用执行。

4、Hive 的数据存储在 HDFS 中，大部分的查询由 MapReduce 完成（包含 * 的查询，比如 select * from tbl 不会生成 MapRedcue 任务）。