Hive简介

什么是hive

hive是基于Hadoop的一个数据仓库工具,并不是一个数据库。用来进行数据提取、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。hive数据仓库工具能将结构化的数据文件映射为一张数据库表，并提供SQL查询功能，能将SQL语句转变成MapReduce任务来执行。Hive的优点是学习成本低，可以通过类似SQL语句实现快速MapReduce统计，使MapReduce变得更加简单，而不必开发专门的MapReduce应用程序。hive是十分适合数据仓库的统计分析和Windows注册表文件。

Hive并不是一个关系型数据库，只是一个工具，提供sql终端、解析sql、转化mr程序并优化的一种工具！

hive概述

Hive可以使用SQL来促进对已经存在在分布式设备中的数据进行读，写和管理等操作！
Hive在使用时，需要对已经存储的数据进行结构的投影(映射)
Hive提供了一个命令行和JDBC的方式，让用户可以连接到hive！
注意：Hive只能分析结构化的数据！
Hive在Hadoop之上，使用hive的前提是先要安装Hadoop

Hive要分析的数据存储在HDFS，hive为数据创建的表结构(schema)，存储在RDMS(relevant database manage system 关系型数据库管理系统，比如mysql)

hive 构建在基于静态批处理的Hadoop 之上，Hadoop 通常都有较高的延迟并且在作业提交和调度的时候需要大量的开销。因此，hive 并不能够在大规模数据集上实现低延迟快速的查询，例如，hive 在几百MB 的数据集上执行查询一般有分钟级的时间延迟。

因此，hive 并不适合那些需要高实性的应用，例如，联机事务处理（OLTP）。hive 查询操作过程严格遵守Hadoop MapReduce 的作业执行模型，hive 将用户的hiveQL 语句通过解释器转换为MapReduce 作业提交到Hadoop 集群上，Hadoop 监控作业执行过程，然后返回作业执行结果给用户。hive 并非为联机事务处理而设计，hive 并不提供实时的查询和基于行级的数据更新操作。hive 的最佳使用场合是大数据集的批处理作业，例如，网络日志分析。

hive基本原理

图片.png

hive的数据存储

1）hive要分析的数据是存储在HDFS上

  hive中的库、表在hdfs中的就是一个目录。

  hive中的数据，是存在在表目录中的文件！

2）在hive中，存储的数据必须是结构化的数据。而且
这个数据的格式要和表的属性紧密相关！
表在创建时，有分隔符属性，这个分隔符属性，代表在执行MR程序时，使用哪个分隔符去分割每行中的字段。

3）hive中的元数据(schema，表的映射关系、位置等)存储在关系型数据库，元数据的位置设置在mysql中。

可以在hive中建表

表:有表名, 表字段 ,字段数据类型, 表管理的数据的位置(HDFS上的结构化数据)

元数据: 记录表结构的数据 存储在mysql中 

表的映射数据: 表的映射数据存储在HDFS中

*执行select from tb_name的大致流程

1 加载元数据信息 ,获取表结构

2 元数据中获取表映射数据在HDFS中的位置

3 将SQL语句交给SQL解析引擎

4 Hive 将 HQL 转换成一组操作符（Operator），比如 GroupByOperator, JoinOperator 等

5 操作符 Operator 是 Hive 的最小处理单元

6 每个操作符代表一个 HDFS 操作或者 MapReduce 作业

7 Hive 通过 ExecMapper 和 ExecReducer 执行 MapReduce 程序，执行模式有本地模式和分布式两种模式

8 编译器进行编译

9 优化器进行优化HQL语句

10 执行

驱动器：Driver：

图片.png

SQL Rarser 解析器：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。

Physical Plan编译器：将AST编译生成逻辑执行计划

Query Optimizer优化器：对逻辑执行计划进行优化。

Execution执行器：将执行计划封装成mr模板。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。

远程连接

1.客户端shell连接

2.beeline工具远程连接
client--(JDBC-hive-driver)-->HiveServer2--->MetaStoreServer---(JDBC-mysql-driver)---MySql

hiveserver2

https://zhuanlan.zhihu.com/p/68194396

beeline

Hive客户端工具后续将使用Beeline 替代HiveCLI ，并且后续版本也会废弃掉HiveCLI 客户端工具,Beeline是 Hive 0.11版本引入的新命令行客户端工具,它是基于SQLLine CLI的JDBC客户端。

Beeline支持嵌入模式(embedded mode)和远程模式(remote mode)。在嵌入式模式下，运行嵌入式的Hive(类似Hive CLI)，而远程模式可以通过Thrift连接到独立的HiveServer2进程上。从Hive 0.14版本开始，Beeline使用HiveServer2工作时，它也会从HiveServer2输出日志信息到STDERR。

备注：使用beeline前需要先启动hiveserver2