@[TOC]

万花筒

大众眼中的hive

hive是基于Hadoop的一个数据仓库工具，我们经常用来对数据仓库进行数据统计分析。其中包括我们大家都知道的通过类似SQL语句实现快速MapReduce统计，将数据进行提取、转化、加载。

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。它使MapReduce变得更加简单，而不必开发专门的MapReduce应用程序。

我眼中的hive

• Hive：由Facebook开发用于解决海量结构化日志的数据统计。
• 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是构建在Hadoop之上的数据仓库平台。
• Hive是一个SQL解析引擎,它将SQL语句转译成MapReduce作业并在Hadoop上执行。
• Hive表是HDFS的一个文件目录，一个表名对应一个目录名，如果有分区表的话，则分区值对应子目录名。
  它的本质是：将HQL转化成MapReduce 程序

Hive的生母

• Hive是Facebook开发的，构建于Hadoop集群之上的数据仓库应用。2008年Facebook将Hive项目贡献给Apache，成为ASF开源顶级项目。
• 目前最新版本hive-4.0.0

Hive体系结构

Hive在Hadoop 心中的位置

我们来看一下Hive在Hadoop 心中的位置。

Hive的设计特征

做为Hadoop 的数据仓库处理工具，它所有的数据都存储在Hadoop 兼容的文件系统中。Hive在加载数据过程中不会对数据进行任何的修改，只是将数据移动到HDFS 中Hive 设定的目录下，因此，Hive不支持对数据的改写和添加，所有的数据都是在加载的时候确定的。Hive 的设计特点如下。

1、支持索引，加快数据查询。
2、不同的存储类型，例如，纯文本文件、HBase 中的文件。
3、将元数据保存在关系数据库中，减少了在查询中执行语义检查时间。
4、可以直接使用存储在Hadoop 文件系统中的数据。
内置大量用户函数UDF 来操作时间、字符串和其他的数据挖掘工具，支持用户扩展UDF 函数来完成内置函数无法实现的操作。
5、类SQL 的查询方式，将SQL 查询转换为MapReduce 的job 在Hadoop集群上执行。
6、编码跟Hadoop同样使用UTF-8字符集。

Hive的体系结构

一、解析器

• 编译器:主要完成 HQL 语句从词法分析、语法分析、编译、优化以及执行计划的生成。
• 优化器是一个演化组件，当前它的规则是：列修剪，谓词下压。
• 执行器会顺序执行所有的Job。如果Task链不存在依赖关系，可以采用并发执行的方式执行Job。

二、元数据库

• Hive的数据由两部分组成：数据文件和元数据。元数据用于存放Hive库的基础信息，它存储在关系数据库中，如
  mysql、derby。元数据包括：数据库信息、表的名字，表的列和分区及其属性，表的属性，表的数据所在目录等。

三、Hadoop

• Hive 的数据文件存储在 HDFS 中，大部分的查询由 MapReduce 完成。（对于包含 * 的查询，比如 select * from tablename 不会生成 MapRedcue 作业）

Hive的运行机制

Hive的核心-编译器

Hive的优缺点