文章目录

一、 什么是Hive

二、 Hive的优缺点

2.1 优点

2.2 缺点

三、 Hive架构原理

3.1 用户接口：Client

3.2 元数据：Metastore

3.3 结合Hadoop

3.4 驱动器：Driver

四、 Hive和数据库比较

4.1 查询语言

4.2 数据更新

4.3 执行延迟

4.4 数据规模

一、 什么是Hive

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。

本质是：将HQL转化成MapReduce程序:

（1）Hive处理的数据存储在HDFS （2）Hive分析数据底层的实现是MapReduce （3）执行程序运行在Yarn上

大部分SQL语句都封装了MR程序（类SQL），之所以封装成SQL是因为基本程序员都会这玩意。

基于MR处理: 开发者—>分析需求—>编写MR—>得到结果 基于Hive处理: 开发者—>分析需求—>编写SQL—>Hive将SQL转化成MR—>得到结果

二、 Hive的优缺点

2.1 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）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。 （4）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。 （5）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。

2.2 缺点

1）Hive的HQL表达能力有限 （1）迭代式算法无法表达，表达能力有限（复杂的逻辑算法不好封装） （2）数据挖掘方面不擅长，由于MapReduce数据处理流程的限制（比较慢，因为底层的缺点也都还在），效率更高的算法却无法实现