hive学习_01

1.构建在Hadoop之上的数据仓库(数据计算使用MR，数据存储使用HDFS)

2.Hive定义了一种类SQL查询语言----HQL

3.通常用于进行离线数据处理(非实时)

4.一个ETL工具

5.可认为是一个HQL到MapReduce的语言翻译器，将HQL转化成MP来执行

6.多维度数据分析

7.大部分互联网公司使用Hive进行日志分析

8.海量结构化数据离线分析，低成本进行数据分析(不直接编写MR)

 

HDFS   存储数据

 

YARN  资源管理

 

MapReduce  处理数据

 

Hive是什么？

        * 处理的数据存储在HDFS

        * 分析数据底层的实现MapReduce

        * 执行程序运行的YARN

 

1、由Facebook开源用于解决海量结构化日志的数据统计；

2、Hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射成一张表，并提供类SQL查询功能；

3、构建在Hadoop之上的数据仓库；

      使用HQL作为查询接口；

      使用HDFS存储；

      使用MapReduce计算；

 本质是：将HQL转化成MapReduce程序

 

Hive 架构(a、b、c、d)

 

a: 用户接口：Client

CLI(hive shell)、JDBC/ODBC(java访问hive),WEBUI(浏览器访问hive)

 

b:元数据：Metastore（通常存储在关系型数据库中，比如MySql）

元数据包括：表名、表所属的数据库(默认是default)、表的拥有者、列/分区字段、表的类型(是否是外部表)、表的数据所在目录(该表对应的数据文件存储位置)等；

默认存储在自带的derby数据库中，推荐使用采用MySQL存储Metastore；

 

c:Hadoop

使用HDFS进行存储，使用MapReduce进行计算；

 

d:驱动器：Driver

包含：解析器、编译器、优化器、执行器；

解析器：将sql字符串转换成抽象语法树AST，这一步一般都用第三方工具库完成，比如antlr；对AST进行语法分析，比如表是否存在、字段是否存在、sql语义是否有误(比如select中被判定为聚合的字段在group by中是否有出现)；

编译器：将AST编译生成逻辑执行计划；

优化器：对逻辑执行计划进行优化；

执行器：把逻辑执行计划转换成可以运行的物理计划。对于Hive来说，就是MR/TEZ/Spark；

 

Hive优点

1、操作接口采用类SQL语法，提供快速开发的能力(简单、容易上手)；

2、避免了去写MapReduce，减少开发人员的学习成本；

3、统一的元数据管理，可与impala/spark等共享元数据；

4、易扩展(HDFS+MapReduce：可以扩展集群规模；支持自定义函数)；

Hive使用场景

1、数据的离线处理；比如：日志分析，海量数据化数据离线分析。。。

2、Hive的执行延迟比较高，因此hive常用于数据分析的，对实时性要求不高的场合；

3、Hive优势在于处理大数据，对于处理小数据没有优势，因为Hive的执行延迟比较高。

 

  RDBMS关系型数据库 表的概念

 

  SQL on Hadoop---HiveQL  hql

 

  ETL

 

官网：   http://hive.apache.org

            https://github.com/apache/hive

 

文档：    https://cwiki.apache.org/confluence/display/Hive/GettingStarted

             https://cwiki.apache.org/confluence/display/Hive/Home

下载：    http://archive.apache.org/dist/hive/