Hive基础知识-Toy模板网

这篇具有很好参考价值的文章主要介绍了Hive基础知识。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

Hive是由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，可以将结构化的数据文件映射为一张表，并提供类SQL查询功能。

Hive的本质是将HQL转化成MapReduce程序。

Hive基础知识

Hive基础知识

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(HDFS)：使用HDFS进行存储，使用MapReduce进行计算。
4.驱动器：Driver：
- 解析器(SQL Parser) 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基础知识

数据库可用于在线业务中，而Hive是为数据仓库而设计的。

方面	备注
查询语言	由于SQL被广泛应用于数据仓库中，因此针对Hive的特性设计了类似SQL的查询语言HQL，熟悉SQL的开发者可以很方便的使用Hive进行开发。
数据规模	由于Hive建立再Hadoop集群上并可以利用MapReduce进行并行计算，因此可以支持大规模的数据，相反，数据库可支持的数据规模就相对较小了。
数据更新	由于Hive是针对数据仓库应用设计的，而数据仓库的使用场景多是读多写少。因此Hive不建议对数据进行频繁改写，所有的数据都是在加载时确定好。相反，数据库中的数据通常是需要经常进行修改，因此可以使用insert into ……values添加数据，或使用update set 修改数据。
执行延迟	Hive在查询数据时，由于没有索引，需要扫描整个表，因此延迟比较高。另一个导致Hive执行延迟高的因素是MapReduce框架。由于MapReduce本身具有较高的延迟，因此，在利用MapReduce执行Hive查询时会有较高的延迟。相反数据库的执行延迟较低，当然，这个是有条件的，即数据规模较小，当数据规模大到超过数据库的处理能力的时候，Hive的并行计算的优势就凸显出来了。

Hive的HQL表达能力有限
- 迭代式算法无法表达。
- 数据挖掘方面不擅长，由于MapReduce数据处理流程的限制，效率更高的算法却无法实现。
Hive的效率比较低文章来源地址https://www.toymoban.com/news/detail-507623.html
- Hive自动生成的MapReduce作业，通常情况下不够智能化。
- Hive调优比较困难，粒度较粗。