Hive是一款基于Hadoop的数据仓库，用于统计海量结构化数据。Hive能够将HQL语句转换成MapReduce程序的一个工具，非java开发人员只需要写HQL语句，就能够对hdfs上的数据做 MapReduce 操作。Hive的元数据依赖于关系型数据库，其真实数据是存在于Hadoop之上的HDFS。
1.Hive服务端组件
Hive服务端组件主要包括Metastore and Diver组件及thrift服务。
（1）Driver组件：包括编译器、优化器、执行器，作用是将我们写的HQL进行解析、编译优化、生成执行计划，然后调用底层的marreduce计算框架。
（2）metastore组件
metadata即元数据。元数据包含用Hive创建的database、tabel等的元信息。元数据存储在关系型数据库中。如Derby、MySQL等。
Metastore的作用是：客户端连接metastore服务，metastore再去连接MySQL数据库来存取元数据。
有了metastore服务，就可以有多个客户端同时连接，而且这些客户端不需要知道MySQL数据库的用户名和密码，只需要连接metastore 服务即可。
- Hive作业处理流程
从客户端编辑 sql 语句提交到服务端，通过解释器，编译器，优化器生成执行计划，然后提交到 Hadoop 集群运行。
其中计划执行的最小单元是一个个 operator，每个operator代表一个操作或者一个MR作业。 - 分区分桶
（1）分区
分区键：每个表可以有一个或多个用于决定数据如何存储的分区键。分区（除存储单元之外）也允许用户有效地识别满足指定条件的行；例如，STRING类型的date_partition和STRING的country_partition。这些分区键的每个惟一的值定义了表的一个分区。例如，所有的“2009－12－23”日期的“US”国家数据，是表page_views的一个分区。
（2）分桶
对于hive中每一个表、分区都可以进一步进行分桶。分桶表是对列值取哈希值的方式，将不同数据放到不同文件中存储。由列的哈希值除以桶的个数来决定每条数据划分在哪个桶中。桶可以被用于有效地抽样数据。例如，表page_views可能通过userid分成桶，userid是表page_view的一个列。
参考：
Hive知识归纳——详解 hive 各个知识点
大数据时代的技术hive：hive介绍
Hive 教程（官方Tutorial）
网友评论