先阅读初识hive

Hive在大数据生态环境中的位置

Hive架构图

• client 三种访问方式

  1、CLI(hive shell)、command line interface（命令行接口）
  2、JDBC/ODBC(java访问hive)，
  3、WEBUI(浏览器访问hive)

• Meta store 元数据存储
  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）、表的数据所在的目录等；
  默认存储在自带的derby数据库中，推荐使用采用MySQL存储Metastore；

• Driver
  包含：解析器、编译器、优化器、执行器；
  1、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(比如select中被判定为聚合的字段在group by中是 否有出现)；
  2、编译器：将AST编译生成逻辑执行计划； 优化器：对逻辑执行计划进行优化；
  3、执行器：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/TEZ/Spark；

• 举例 select substring(ip,0,4) ip_prex from bg_log ;
  执行顺序：首先在metastore查询-->sql解析-->查询优化--->物理计划-->执行MapReduce

优点及使用场景

• 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等共享元数据；
• 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。