Hive学习笔记20200423

Hive的基本概念

Hive是基于Hadoop的一个数据仓库工具

Hive的核心工作是把sql语句翻译成MapReduce程序

可以将结构化的数据映射为一张数据库表，并提供HQL（Hive Query Language）查询功能

数据仓库与关系型数据库的区别

HQL的引入仅仅是为了降低学习成本，底层还是MapReduce。Hive本身是数据仓库，并不是数据库系统。

Hive和数据库的主要区别在查询语言、存储位置、数据格式、数据更新、索引、执行、执行延迟、可扩展性和数据规模几方面。

Hive与RDBMS的区别

数据库是将数据存储在块设备或本地文件系统中。而Hive是将所有数据存储在HDFS中，并建立在Hadoop之上。

执行延迟

由于Hive在查询数据的时候并没有索引，需要扫描整个表，由此造成的延迟较高，同时，由于MapReduce自身具有较高的延迟，也会导致查询延迟。相比较来说，在数据量规模小的情况下数据库的执行延迟较低。只有当数据规模大到超过数据库的处理能力的时候，Hive的并行计算优势才能体现出来。