一、什么是hive
Hive是由Facebook开源用于解决海量结构化日志的数据统计。
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的查询功能。
本质是：将HQL转化成MapReduce程序
- Hive处理的数据存储在HDFS
- Hive分析数据底层的实现是MapReduce
- 执行程序运行在YARN上
优点：
操作接口采用类SQL语法，提供快速的开发能力（简单、易上手）。
避免去写mapreduce程序，减少开发人员的学习成本。
Hive的执行延迟较高，因此常用于数据分析，对实时性要求不高的场合。
Hive的优势在于处理大数据，对于处理小数据没有优势，因为hive的延迟比较高。
Hive支持用户自定义函数，用户可以根据自己的需求来实现自己的函数。
缺点：
Hive的HQL表达能力有限
（1）迭代式算法无法表达
（2）数据挖掘方面不擅长
Hive的效率比较低
（1）Hive自动生成的mapreduce作业，通常情况下不够智能化
（2）Hive调优比较困难，粒度较粗
Hive和数据库比较：
- 由于SQL被广泛的应用在数据库中，因此专门针对Hive的特性设计了类SQL的查询语言HQL。熟悉SQL开发的开发者可以很方便的使用Hive进行开发。
- hive是建立在Hadoop之上的，所以hive的数据都是存储在HDFS中的，而数据库则可以将数据保存在块设备或者本地文件系统中。
- 由于Hive是针对数据仓库应用设计的，而数据仓库的内容是读多写少的。因此，Hive中不支持对数据的改写和添加，所有的数据都是在加载的时候确定好的。而数据库的数据通常是需要经常修改的。
- Hive在加载数据的过程中不会对数据进行任何处理，甚至不会对数据进行扫描，因此也没有对数据中的某些Key建立索引。Hive要访问数据中满足条件的特定值时，需要暴力扫描整个数据，因此访问延迟较高。由于MapReduce的引入，Hive可以并行访问数据，因此即使没有索引，对于大数据量的访问，Hive仍可以体现出优势。数据库中，通常会针对一个或者几个建立索引，因此对于少量特定条件的数据的访问，数据库可以有很高的效率，较低的延迟。由于数据的访问延迟较高，决定了Hive不适合在线数据查询。
- Hive中大多数查询的执行是通过hadoop提供的Mapreduce来实现的。而数据库通常有自己的执行引擎。
- Hive在查询数据的时候，由于没有索引，需要扫描整个表，因此延迟较高，另外一个导致延迟较高的原因时，MapReduce框架。由于MapReduce本身具有较高的延迟。相对于数据库的执行延迟较低，但前提时数据规模较少，当数据量大于数据库的处理能力时，Hive的优势就能体现出来。
- 由于Hive是建立在Hadoop之上的，所以Hive的可扩展性与Hadoop的可扩展性一致。而数据库由于ACID语义的严格限制，扩展行非常有限。
- 由于Hive建立在集群上并可以利用MapReduce进行并行计算，因此可以支持很大的数据规模；对应的数据库支持的数据规模较小。
