Hive 基礎入門

Hive的官方網站：

　　　　　　https://hive.apache.org/

Hive簡介：

　　　　　　Hive 是基於Hadoop 的一個數據倉庫工具，能夠將結構化的數據文件映射成一張表，並提供類SQL查詢功能。

　　　　　　Hive在企業中做爲一種工做，能夠很容易的對數據進行ETL。

　　　　　　Hive能夠對各類各樣的數據進行一種結構化的查詢。（按照必定結構進行查詢）。

　　　　　　Hive 處理的數據都是存在 HDFS 之上，而且可以與 HBase 進行集成。

　　　　　　分析數據底層的實現都是 MapReduce ，運行都是運行在 yarn 上邊。

Hive的用途：　　

　　　　　　數據的查詢、數據的管理。

ETL簡介 ：

　　　　　　E : 提取數據

　　　　　　T：轉換數據

　　　　　　L：加載數據

HQL：

　　　　　　HQL 就是 Hive 查詢使用的語句。

Hive本質 :

　　　　　　就是將 HQL 語句轉化爲 MapReduce 。

Hive 和 Hadoop 之間的關聯：

　　　　　　都是使用 HDFS 進行數據存儲。

　　　　　　都是使用 yarn 進行資源管理。

　　　　　　都是使用 MapReduce 進行數據處理。

Hive的執行方式：

　　　　　　Hive 就是將數據映射成一個關係型數據庫（RDBMS）的表。而執行方式就是 SQL 語句。

　　　　　　執行SQL語句，底層就會自動的將語句翻譯爲MapReduce程序，提交給 YARN 去執行。

Hive 在 Hadoop 生態系統中的地位：

　　　　　　

Hive 的架構：

　　　　　

Hive的優勢及使用場景

優勢：

1. 操做接口採用類SQL語法，提供快速開發的能力(簡單、容易上手)；
2. 避免了去寫MapReduce，減小開發人員的學習成本；
3. 統一的元數據管理，可與impala/spark等共享元數據；
4. 易擴展(HDFS+MapReduce：能夠擴展集羣規模；支持自定義函數

使用場景：

1. 數據的離線處理；好比：日誌分析，海量結構化數據離線分析…
2. Hive的執行延遲比較高，所以hive經常使用於數據分析的，對實時性要求不高的場合；
3. Hive優點在於處理大數據，對於處理小數據沒有優點，由於Hive的執行延遲比較高。