hive的学习入门（飞进数据仓库的小蜜蜂）

前言

hive是构建在Hadoop上的数据仓库平台，其设计目标是:使Hadoop上的数据操作与传统的SQL结合，让熟悉sql的开发人员能够轻松的像Hadoop平台迁移。

Hive是Facebook的信息平台的重要组成部分，Facebook在2008年将其共献给Apache，现在Hive是Hadoop家族中一款数据仓库产品。

Hive最大的特点是：提供了类SQL的语法，封装了底层的MapReduce过程，让有SQL基础的业务人员，也可以也利用Hadoop进行大数据的操作。就是这一个点，解

决了原数据分析人员对于大数据分析的瓶颈。让我们把Hive的环境构建起来，帮助非开发人员也能更好地了解大数据。

目录

1. Hive介绍
2. HIve的组成
3. Hive学习路线图
4. 我的使用经历
5. Hive的使用案例

1. Hive介绍

Hive起源于Facebook，它使得针对Hadoop进行SQL查询成为可能，从而非程序员也可以方便地使用。Hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供完整的SQL查询功能，可以将SQL语句转换为MapReduce任务运行。

Hive是建立在 Hadoop 上的数据仓库基础构架。它提供了一系列的工具，可以用来进行数据提取转化加载（ETL），这是一种可以存储、查询和分析存储在 Hadoop 中的大规模数据的机制。Hive 定义了简单的类 SQL 查询语言，称为 HQL，它允许熟悉 SQL 的用户查询数据。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。

2.hive的组成

Hive包含shell环境、元数据库、解析器和数据仓库等组件，它的体系结构如下：

hive包括如下相关组件：

1. 用户接口：包括 CLI (hive shell) ，thrift客户端、web管理
2. Thrift服务器：当hive以服务器模式运行时，可以作为Thrift服务器，供客户端连接。
3. 元数据库：通常存在关系数据库中如mysql、derby中。
4. 解析器：包括解释器、编译器、优化器、执行器通过这一些列的处理对hiveql查询语句进行词法分析、语法分析、编译优化以及查询计划的生成。查询计划由MapReduce调用。
5. Hadoop：数据仓库和查询计划存储在hdfs上，计算过程由mapreduce执行。但是（包含*的查询，比如说select * from table 不会生成MapReduce任务）。

3. Hive学习路线图

4. 我的使用经历

1). 帮助无开发经验的数据分析人员，有能力处理大数据

完全符合与Hive的设计理念，一直在强调，无需多言。

2). 构建标准化的MapReduce开发过程

这个方面是我们需要努力的方向。

首先，Hive已经用类SQL的语法封装了MapReduce过程，这个封装过程就是MapReduce的标准化的过程。

我们在做业务或者工具时，会针对场景用逻辑封装，这是第二层封装是在Hive之上的封装。在第二层封装时，我们要尽可能多的屏蔽Hive的细节，让接口单一化，低少灵活性，再次精简HQL的语法结构。只满足我们的系统要求，专用的接口。

在使用二次封装的接口时，我们已经可以不用知道Hive是什么, 更不用知道Hadoop是什么。我们只需要知道，SQL查询(SQL92标准)，怎么写效率高，怎么写可以完成业务需要就可以了。

当我们完成了Hive的二次封装后，我们可以构建标准化的MapReduce开发过程。

通过上图的思路，我们可以统一企业内部各种应用对于Hive的依赖，并且当人员素质升高后，有可以剥离Hive，用更优秀的底层解决方案来替换，如果封装的接口的不变，甚至替换Hive时业务使用都不知道，我们已经替换了Hive。

这个过程是需要经历的，也是有意义的。当我在考虑构建Hadoop分析工具时，以Hive作为Hadoop访问接口是最有效的。

3). 有关Hive的运维：
因为Hive是基于Hadoop构建的，简单地说就是一套Hadoop的访问接口，Hive本身并没有太多的东西，所以运维上面我们注意下面几个问题就行了。

• 1. 使用单独的数据库存储元数据
• 2. 定义合理的表分区和键
• 3. 设置合理的bucket数据量
• 4. 进行表压缩
• 5. 定义外部表使用规范
• 6. 合理的控制Mapper, Reducer数量