Hive 基础入门

Posted 2020-09-22 雨御殇

Hive的官方网站：

　　　　　　https://hive.apache.org/

Hive简介：

　　　　　　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。

　　　　　　Hive在企业中作为一种工作，可以很容易的对数据进行ETL。

　　　　　　Hive可以对各种各样的数据进行一种结构化的查询。（按照一定结构进行查询）。

　　　　　　Hive 处理的数据都是存在 HDFS 之上，并且能够与 HBase 进行集成。

　　　　　　分析数据底层的实现都是 MapReduce ，运行都是运行在 yarn 上边。

Hive的用途：　　

　　　　　　数据的查询、数据的管理。

ETL简介 ：

　　　　　　E : 提取数据

　　　　　　T：转换数据

　　　　　　L：加载数据

HQL：

　　　　　　HQL 就是 Hive 查询使用的语句。

Hive本质 :

　　　　　　就是将 HQL 语句转化为 MapReduce 。

Hive 和 Hadoop 之间的关联：

　　　　　　都是使用 HDFS 进行数据存储。

　　　　　　都是使用 yarn 进行资源管理。

　　　　　　都是使用 MapReduce 进行数据处理。

Hive的执行方式：

　　　　　　Hive 就是将数据映射成一个关系型数据库（RDBMS）的表。而执行方式就是 SQL 语句。

　　　　　　执行SQL语句，底层就会自动的将语句翻译为MapReduce程序，提交给 YARN 去执行。

Hive 在 Hadoop 生态系统中的地位：

　　　　　　

Hive 的架构：

　　　　　

Hive的优点及使用场景

优点：

1. 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)；
2. 避免了去写MapReduce，减少开发人员的学习成本；
3. 统一的元数据管理，可与impala/spark等共享元数据；
4. 易扩展(HDFS+MapReduce：可以扩展集群规模；支持自定义函数

使用场景：

1. 数据的离线处理；比如：日志分析，海量结构化数据离线分析…
2. 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；
3. 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。