hive入门

什么是Hive

       Hive 是建立在 Hadoop  上的数据仓库基础构架。它提供了一系列的工具，可以用来进行数据提取转化加载（ETL ），这是一种可以存储、查询和分析存储在 Hadoop  中的大规模数据的机制。Hive 定义了简单的类 SQL  查询语言，称为 QL ，它允许熟悉 SQL  的用户查询数据。同时，这个语言也允许熟悉 MapReduce  开发者的开发自定义的 mapper  和 reducer  来处理内建的 mapper 和 reducer  无法完成的复杂的分析工作。

      Hive是SQL解析引擎，它将SQL语句转译成M/R Job然后在Hadoop执行。

      Hive的表其实就是HDFS的目录/文件，按表名把文件夹分开。如果是分区表，则分区值是子文件夹，可以直接在M/R Job里使用这些数据。

Hive的系统架构

      •用户接口，包括 CLI，JDBC/ODBC，WebUI
      •元数据存储，通常是存储在关系数据库如 mysql, derby 中
      •解释器、编译器、优化器、执行器
      •Hadoop：用 HDFS 进行存储，利用 MapReduce 进行计算

       hive的系统架构图如下图所示：

                                                                                                     

         用户接口主要有三个：CLI，JDBC/ODBC和 WebUI
         CLI，即Shell命令行
        JDBC/ODBC 是 Hive 的Java，与使用传统数据库JDBC的方式类似
        WebGUI是通过浏览器访问 Hive
        Hive 将元数据存储在数据库中(metastore)，目前只支持 mysql、derby。Hive 中的元数据包括表的名字，表的列和分区及其属性，表的属性（是否为外部表等），表的数据所在目录等
        解释器、编译器、优化器完成 HQL 查询语句从词法分析、语法分析、编译、优化以及查询计划（plan）的生成。生成的查询计划存储在 HDFS 中，并在随后MapReduce 调用执行
         Hive 的数据存储在 HDFS 中，大部分的查询由 MapReduce 完成（包含 * 的查询，比如 select * from table 不会生成 MapRedcue 任务）