01_Hive简介及其工作机制

1.Hive简介

　　Hive是一个基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一个表。并提供类SQL查询功能，

可以将sql语句转换为MapReduce任务运行。其优点是学习成本低，可以通过类SQL语句快速实现简单的MapReduce

统计，不必开发专门的MapReduce应用，十分适合数据仓库的统计分析

2.数据仓库(面向主题、历史)：　　

　　数据库是用来支撑在线联机业务的。如页面上数据的展示，保存客户操作产生的数据。这类要求变更是实时的、

事务的。

　　数据仓库：如果联机数据库中的数据太大了，需要将历史信息导入到离线的仓库中。数据仓库中可以存入各种

业务系统的数据，并按照一定主题来组织这些数据表。数据仓库中的数据一般用来做统计，数据分析。比如统计年

度销售额，月度销售额，广告推荐等，简而言之，数据仓库是用来做查询分析的数据库，基本不用来做插入，修改，

删除。

3.Hive的工作机制：

　　将清洗过的数据放入到HDFS中，就可进行各种统计了。但有些需求用MapReduce写起来非常难，所以有了Hive；

　　Hive运行时，元数据信息存储在关系型数据库里面，如mysql、derby。Hive中的元数据包括表的名字，表的列和

分区及其属性，表的属性（是否为外部表等），表的数据所在目录等；

　　Hive的数据存储在HDFS中，大部分的查询、计算由MapReduce完成（包含*的查询，比如select * from tbl不会

生成MapRedcue任务）

4.Hive和Hadoop的关系：

　　Hive利用HDFS存储数据，利用MapReduce查询数据

　　

5.Hive的数据存储：　

　　1、Hive中所有的数据都存储在 HDFS 中，没有专门的数据存储格式（可支持Text，SequenceFile，ParquetFile，RCFILE等）

　　2、只需要在创建表的时候告诉 Hive 数据中的列分隔符和行分隔符，Hive 就可以解析数据。

　　3、Hive 中包含以下数据模型：DB、Table，External Table，Partition，Bucket。

　　　　 db：在hdfs中表现为${hive.metastore.warehouse.dir}目录下一个文件夹

　　　　 table：在hdfs中表现所属db目录下一个文件夹

　　　　 external table：与table类似，不过其数据存放位置可以在任意指定路径

　　　　 partition：在hdfs中表现为table目录下的子目录

　　　　 bucket：在hdfs中表现为同一个表目录下根据hash散列之后的多个文件