什么是Hive
Hive简介
Hive：由Facebook开源用于解决海量结构化日志的数据统计工具
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为一张表，并提供类SQL查询功能
Hive本质
将HQL转化为MapReduce程序
- Hive处理的数据存储在HDFS
- Hive分析数据底层的实现时MapReduce
- 执行程序运行在Yarn上
Hive的优缺点
优点：
- 操作接口采用类SQL语法，提供快速开发能力（简单、容易上手）
- 避免了去写MapReduce，减少开发人员的学习成本
- Hive的执行延迟比较高，因此Hive常用于数据分析，对实时性要求不高的场合
- 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
- 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表达能力优先
（1）迭代式算法无法表示
（2）数据挖掘方面不擅长，由于MapReduce数据处理流程的限制，效率更高的算法却无法实现 - 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架构原理
用户接口：Client
CLI（command-line interface）、JDBC/ODBC（jdbc访问Hive）、WEBUI（浏览器访问Hive）元数据：Metastore
元数据包括：表明、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）、表的数据所在目录等
默认存储在自带的derby数据库中，推荐使用MySQL存储MetastoreHadoop
使用HDFS进行存储，使用MapReduce进行计算驱动器：Driver
（1）解析器（SQL Parser）：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
（2）编译器（Physical Plan）：将AST编译生成逻辑执行计划
（3）优化器（Query Optimizer）：对逻辑执行计划进行优化
（4）执行器（Execution）：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/Spark
Hive和数据库比较
由于Hive采用了类似SQL的查询语言HQL（Hive Query Language），因此很容易将Hive理解为数据库。其实从结构上来看，Hive和数据库除了拥有类似的查询语言，再无类似之处。本文将从多个方面来阐述Hive和数据库的差异。数据库可以用在Online的应用中，但是Hive是为数据仓库而设计的，清楚这一点，有助于从应用的角度理解Hive特性
查询语言
由于SQL被广泛应用在数据仓库中，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
数据更新
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不建议对数据的改写，所有的数据都是在加载的时候确定好的。而数据库中的数据通常是需要经常进行修改的，因此可以使用INSERT INTO... VALUES添加数据，使用UPDATE ... SET修改数据
执行延迟
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Hive执行延迟高的因素是MapReduce框架。由于MapReduce本身具有较高的延迟，因此再利用MapReduce执行Hive查询时，也会有较高的延迟。相对的，数据库的执行延迟较低。当然，这个低是有条件的，即数据规模较小，当数据规模大到超过数据库的处理能力的时候，Hive的并行计算显然能体现出优势
数据规模
由于Hive建立在集群上并可以利用MapReduce进行并行计算，因此可以支持很大规模的数据；对应的，数据库可以支持的数据规模较小
