Hive与传统数据库的区别

Hive在很多方面和传统数据库类似（例如支持SQL接口），但是其底层对HDFS金额MapReduce的依赖意味着它的体系结构有 别于传统数据库，而这些区别又影响着Hive所支持的特性，进而影响着Hive的使用。

读时模式VS写时模式

在传统数据库里，表的模式是在数据加载时强制确定的。如果在加载时发现数据不符合模式，则被拒绝加载数据。因为数据是在写入数据库是对照模式进行检查，因此这一设计有时被称为“写时模式”（schema on write）。

在另外一方面，Hive对数据的验证并在不加载数据时进行，而在查询时进行。这称为“读时模式”（schema on read）。

用户需要在这两种方法之间权衡。读时模式可以使得数据加载非常迅速。这是因为它不需要读取数据，进行“解析”，再进行序列化以数据库内部格式存入磁盘。数据加载仅仅是文件的复制和移动。这一方法也更为灵活：试想，针对不同的分析任务，同一个数据可能会有两个模式。Hive使用‘’外部表’时，这种情况是可能发生的。

写时模式有利于提升查询性能。因为数据库可以对列进行索引，并对数据进行压缩。但是作为权衡，此时加载数据会花更多时间。此外没在很多加载时模式未知的情况下，因为查询尚未确定，因此不能决定使用何种索引。这些情况真是Hive“长袖善舞”的地方！

更新、事务和索引

更新、事务和索引都是传统数据库最重要的特性，但是，直到最近，Hive也没有考虑支持这些特性，因为Hive被设计为用MapReduce操作HDFS数据。在这样的环境下，“全表扫描”是常态操作，而表更新则是通过把数据表换后放入新表实现的。对于大规模数据集上的运行的仓库应用，这一方式很见效。

Hive不支持更新（或删除），但是支持INSERT INTO ，所以可以向现有的表中增加新的行。

在0.7.0发布的版本中，Hive引入索引，以在某些情况下加快查询的速度。对于SELECT * FROM t WHERE x=a在这样的查询中，因为只需要扫描表文件的一部分，因此可以利用在列x上的索引。目前索引分成两类：紧凑索引和位图索引。（索引的实现被设计为可插拔的，所以为了其他的目的而设计的索引实现会陆续出现）。

紧凑索引存储每个值的HDFS块号，而不是存储文件内偏移量。因此存储不会占用太多的磁盘空间，且对于值被聚簇存储于相近行的情况，索引任然有效。位图索引使用压缩的的位集合来高效存储具有某个特殊值的行。这种索引一般适合于具有较少取值可能的列。