hive介绍

Hive

基于Hadoop的一个数据仓库工具，构建于hadoop的hdfs和mapred之上，用于管理和查询结构化/非结构化数据的数据仓库。可以将结构化的数据文件映射为一张数据库表，并提供类SQL查询功能。

Hive将HQL语句转译成M/R Job，然后按照MR的计算框架在Hadoop执行，也可以把HQL中的表、字段转换为HDFS中的文件(夹)以及文件中的列。这套映射工具称之为metastore

Hive的表其实就是HDFS的目录，按表名把文件夹分开。如果是分区表，则分区值是子文件夹，可以直接在M/R Job里使用这些数据。

Hive作用

Hvie降低了数据人员使用MR的门槛，使得分布式计算通过类SQL的操作即可实现，对大数据应用发展起到了很多的推动作用

Hive本质：将HQL转换为MapReduce程序的工具。

不属于google核心论文内容。（dfs、mr、bigtable）

由facebook开发并开源。

特点是：使用HQL作为查询接口、使用HDFS作为底层存储、使用MapRed作为执行层、可扩展到100PB+、统一的元数据管理

Hive与HBase对比

共同点

1.HBase与Hive都架构在Hadoop之上，都是用hdfs作为底层存储。

2.职能上都能对外提供表形式的数据查询等服务

区别

1.Hive是建立在Hadoop之上为了减少MapReduce jobs编写工作的批处理系统，HBase是为了支持弥补Hadoop对实时操作的缺陷的项目 。Hive是做离线操作hbase

2.Hive本身不存储和计算数据，它完全依赖于HDFS和MapReduce，Hive中的表是纯逻辑表，是对hdfs文件的一种记录方式。

3.Hbase是物理表，不是逻辑表，提供一个超大的内存hash表，搜索引擎通过它来存储索引，方便查询操作

用户接口，包括CLI，JDBC/ODBC，WebUI

该层是建立在Hive之上的交换层。

让传统DBA或者Java工程师轻松就能完成更多的工作。

2、元数据存储，通常是存储在关系数据库如mysql, derby中

3、解释器、编译器、优化器、执行器

4、Hive部署：解压缩、重命名、设置环境变量，在目录$HIVE_HOME/conf/下，执行命令mvhive-default.xml.templatehive-site.xml重命名

hive.metastore.warehouse.dir：Hive数据存储目录

hive.exec.scratchdir：Hive数据临时文件目录

在目录$HIVE_HOME/conf/下，执行命令mv hive-env.sh.templatehive-env.sh重命名

修改hadoop的配置文件hadoop-env.sh，修改内容如下：

Export HADOOP_CLASSPATH=.:$CLASSPATH:$HADOOP_CLASSPATH:$HADOOP_HOME/bin

在目录$HIVE_HOME/bin下面，修改文件hive-config.sh（可跳过）

Hive基本数据类型：tinyint/smallint/int/bigint、float/double、boolean

String（数据仓库常用类型）

复杂数据类型：Array/Map/Struct、没有date/datetime

Hive的执行计划: Input->combiner->buffer->output