Hive是什麼：

Hive是基於Hadoop的一個數據倉庫工具，可以將結構化的資料檔案對映成一張表，並提供類SQL查詢功能；其本質是將HQL轉化成MapReduce程式。

• 構建在Hadoop之上的資料倉庫：

  • 使用HQL作為查詢介面
  • 使用HDFS儲存
  • 使用MapReduce計算

• 靈活性和擴充套件性比較好：支援UDF，自定義儲存格式等：

• 適合離線資料處理

Hive體系結構：

Hive的資料儲存基於HDFS，其沒有專門的資料儲存格式，主要的儲存結構主要包括：資料庫，檔案，表，檢視，索引。

Hive預設可以直接載入文字檔案（TextFile），還支援SequenceFile，RCFile。建立表時指定Hive資料的列分隔符與行分隔符即可解析資料。

• 使用者介面：Client：
  
  • CLI(hive shell)、JDBC/ODBC(java訪問hive)，WEBUI(瀏覽器訪問hive)
• 元資料：Metastore
  
  • 元資料包括：表名、表所屬的資料庫（預設是default）、表的擁有者、列/分割槽欄位、表的型別（是否是外部表）、表的資料所在目錄等；
  • 預設儲存在自帶的derby資料庫中，推薦使用採用MySQL
• Hadoop
  
  • 使用HDFS進行儲存，使用MapReduce進行計算
• 驅動器：Driver（包含解析器，編譯器，優化器，執行器）
  
  • 解析器：將SQL字串轉換成抽象語法樹AST，這一步一般都用第三方工具庫完成，比如antlr；對AST進行語法分析，比如表是否存在、欄位是否存在、SQL語義是否有誤(比如select中被判定為聚合的欄位在group by中是否有出現)；
  • 編譯器：將AST編譯生成邏輯執行計劃；
  • 優化器：對邏輯執行計劃進行優化；
  • 執行器：把邏輯執行計劃轉換成可以執行的物理計劃。對於Hive來說，就是MR/TEZ/Spark；

Hive四種表型別

1.分割槽表
- 最常用
- 可以按時間日期進行分割槽
2.內部表（管理表）
- 一般建立臨時表使用內部表
- 建立的時候如果不指定是外部表，預設就是內部表
- 刪除表會將資料一併刪除
3.外部表（託管表）
- 推薦使用此方式建立表
- 建立的時候需要使用關鍵字(EXTERNAL)宣告
- 刪除表的時候只會刪除表結構不會刪除資料
4.桶表
- 不常用
- 桶表專門用於抽樣查詢，是很專業性的
- 不是日常用來儲存資料的表，需要抽樣查詢時，才建立和使用桶表。

Hive 優點與使用場景

優點：

• 操作介面採用類SQL語法，提供快速開發的能力(簡單、容易上手)；
• 避免了去寫MapReduce，減少開發人員的學習成本；
• 統一的元資料管理，可與impala/spark等共享元資料；
• 易擴充套件(HDFS+MapReduce：可以擴充套件叢集規模；支援自定義函式)；

使用場景：

• Hive的執行延遲比較高，因此hive常用於資料分析的，對實時性要求不高的場合；
• Hive優勢在於處理大資料，對於處理小資料沒有優勢，因為Hive的執行延遲比較高。

更多資訊:Hive官網，入門文件，Hive下載