Hive基础之Hive体系架构&运行模式&Hive与关系型数据的区别

Hive架构

1）用户接口：

　　CLI(hive shell)：命令行工具；启动方式：hive 或者 hive --service cli

　　ThriftServer：通过Thrift对外提供服务，默认端口是10000；启动方式：hive --service hiveserver

　　WEBUI(浏览器访问hive)：通过浏览器访问hive，默认端口是9999；启动方式：hive --service hwi

2）元数据存储（Metastore）：启动方式：hive -service metastore

　　默认存储在自带的数据库derby中，线上使用时一般采用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、列/分区 属性、表的类型（是否是外部表）、表的数据所在目录等；

　　database是表(table)的名字空间。默认的数据库是default；

　　table的原数据信息有：列和它们的类型、拥有者(owner)，存储空间和SerDe信息；

　　partition每个分区都有自己的列，存储空间和SerDe信息等

3）驱动器（Driver）：

　　编译器、优化器、执行器完成HQL查询语句从词法分析、语法分析、编译、优化以及查询计划的生成；

　　生成的查询计划存储在HDFS中，并在随后的MapReduce调用执行；

4）Hadoop

　　用MapReduce计算，用HDFS存储；

　　Hive的数据存储在HDFS之上，包括Database、Table、Partition等；

　　Hive的默认数据仓库是/user/hive/warehouse，可以在hive-site.xml中由hive.metastore.warehouse.dir进行配置；

　　除了外部表外，每个表在数据仓库下都有一个相应的存储目录；

　　当数据被加载到表中时，不会对数据进行任何转换，只是将数据移动到数据仓库中去；

　　非外部表被删除时，表数据和元数据都被删除；外部表被删除时，只删除元数据不删除表数据；

　　分区表的一个Partition对应该表下的一个子目录；

　　每个Bucket对应一个文件

　　大部分的查询由MapReduce计算完成；两种情况不跑MapReduce：select * from xxx和select * from xxx where 分区字段不跑mapreduce

5）hiveserver2

　　启动方式：hive --service hiveserver2

　　HiveServer2是HiveServer的升级版，提供了新的Thrift API处理JDBC/ODBC、Kerberos身份验证、多客户端并发等；

　　HiveServer2提供了新的CLI：BeeLine，是hive0.11后引入的，基于SQLLine，可以作为Hive jdbc client端访问HiveServer2，启动一个Beeline对应一个session；

Hive单机环境部署图

Hive集群环境部署图

注：在生产环境中元数据需要采用主备服务器的方式防止宕机；

Hive运行模式

Hive运行模式即任务的执行环境，分为：本地和集群两种

可以通过mapred.job.tracker来指定，指定方式：

hive> SET mapred.job.tracker=local

不设置默认为集群方式。

Hive与关系型数据库的区别

Hive和关系型数据库并没有什么关系，只是语法类似而已。

	Hive	SQL
数据插入	支持批量导入	支持单条和批量导入
数据更新	不支持（数据导入后就不再支持改变）	支持
索引	支持	支持
分区	支持	支持
执行延迟	高	低
扩展	好	有限