Hive基础架构
Posted cindy-zl24
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Hive基础架构相关的知识,希望对你有一定的参考价值。
Hive
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查询功能;
构建在Hadoop之上的数据仓库:
* 使用HQL作为查询接口
* 处理的数据存储在HDFS
* 分析数据底层实现MapReduce
* 执行程序运行的YARN
本质是:将HQL转化成MapReduce程序
灵活性和扩展性比较好,支持UDF,自定义存储格式等。
适合离线数据处理。
Hive架构如下图:
> 用户接口:Client
CLI(hive shell)、JDBC/ODBC(java访问hive),WEBUI(浏览器访问hive)
> 元数据:Metastore
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)、表的数据所在目录等;
默认存储在自带的 derby数据库中,推荐使用采用mysql存储Metastore;
>Hadoop
使用HDFS进行存储,使用MapReduce进行计算。
> 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,这一步一般都用第二方工具库完成,比如antlr;对AST进行方法分析,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Hive来说,就是MR/TEZ/Spark;
Hive优点与使用场景
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);
避免了去写MapReduce, 减少开发人员的学习成本;
统一的元数据管理,可与impala/spark等共享元数;
易扩展(hdfs+mapreduce:可以扩展集群规模,支持自定义函数);
数据的离线处理:比如:日志分析,海量结构化数据离线分析...........
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;
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;
以上是关于Hive基础架构的主要内容,如果未能解决你的问题,请参考以下文章