Hive is based on Hadoop 的数据仓库工具，将structured data file 映射成table,并提供类似sql的查询功能。
特点： Hive擅长的是非实时的、离线的、对响应及时性要求不高的海量数据批量计算，即席查询，统计分析。
Hql 为查询的接口，HDFS存储，使用mapreduce计算。
与关系型数据库的区别：
①数据库可以用在Online的应用中，Hive主要进行离线的大数据分析；
②数据库的查询语句为SQL，Hive的查询语句为HQL；
③数据库数据存储在LocalFS，Hive的数据存储在HDFS；
④Hive执行MapReduce，MySQL执行Executor；
⑤Hive没有索引；
⑥Hive延迟性高；
⑦Hive可扩展性高；
⑧Hive数据规模大；
HDFS本身就设计为一次写入，多次读取的分布式存储系统，因此，不能使用Hive来完成诸如DELETE、UPDATE等在线事务处理的需求；
Hadoop本身是一个批处理，高延迟的计算框架，Hive使用Hadoop作为执行引擎，自然也就有了批处理，高延迟的特点，在数据量很小的时候，Hive执行也需要消耗较长时间来完成，就显示不出它与Oracle，Mysql等传统数据库的优势。
Hive的数据单元
Database
Tables
Partitions
Buckets: 同一分区的数据可以细分，将想同的key再分至一个bucket中。类似Hash分区。
数据类型:
（a) 原始型数据类型
整型: TINYINT 微(1个字节 0--255); SMALLINT小（２个字节，-32769--32796); INT(4个字节 -2147483648到2147483647); BIGINT长（８个字节，-2^63到2^63-1）
布尔型（Boolean) : TURE/FALSE)
浮点型： Float/Double
STRING
(b) 复合型数据类型
structs (任意数据类型组成的结构) , maps (k-v对), arrays (数组).
网友评论