HIVE 基本概念

Hive架构

hive架构图

• hive组件

  • 用户接口
    CLI、JDBC/ODBC和WebGUI。其中，CLI为shell命令行；JDBC/ODBC是Hive的JAVA实现，与传统数据库JDBC类似；WebGUI是通过浏览器访问Hive。

  • 元数据存储
    Hive 将元数据存储在数据库中。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、执行器
    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、优化以及查询计划的生成。生成的查询计划存储在 HDFS 中，并在随后有 MapReduce 调用执行。

    Hive的数据存储在HDFS中，大部分的查询、计算由MapReduce完成（包含的查询，比如select from tbl不会生成MapRedcue任务）。

• Hive与Hadoop的关系
  Hive利用HDFS存储数据，利用MapReduce查询数据
  

  
  
  
  Hive与Hadoop关系图
  

• Hive的数据存储
  1、Hive中所有的数据都存储在 HDFS 中，没有专门的数据存储格式（可支持Text，SequenceFile，ParquetFile，RCFILE等）

  2、只需要在创建表的时候告诉 Hive 数据中的列分隔符和行分隔符，Hive 就可以解析数据。

  3、Hive 中包含以下数据模型：DB、Table，External Table，Partition，Bucket。

  • db：在hdfs中表现为${hive.metastore.warehouse.dir}目录下一个文件夹
  • table：在hdfs中表现所属db目录下一个文件夹
  • external table：与table类似，不过其数据存放位置可以在任意指定路径
  • partition：在hdfs中表现为table目录下的子目录
  • bucket：在hdfs中表现为同一个表目录下根据hash散列之后的多个文件

• Hive操作符Operator
  • 编译器将一个Hive QL转换操作符
  • 操作符是Hive的最小的处理单元
  • 每个操作符代表HDFS的一个操作或者一道MapReduce作业Operator
  • Operator都是hive定义的一个处理过程

  • Operator都定义有:
      • protected List <Operator<? extends Serializable >> childOperators;
      • protected List <Operator<? extends Serializable >> parentOperators;
      • protected boolean done; // 初始化值为false
      • 所有的操作构成了 Operator图，hive正是基于这些图关系来处理诸如limit, group by, join等操作

HiveSql执行流程

1、 提交sql ，交给驱动

2、驱动编译，解析相关的字段表信息

3、去metastore查询相关的信息，返回字段表信息

4、编译返回信息 发给驱动

5、驱动发送一个执行计划，交给执行引擎

6.0、DDLs 对数据库表的操作的 直接和metastore交互
        create table tab(name string);

6.1、把job交给job tracker 让task tracker执行 返回执行信息

6.2、完成job返回数据信息，找namenode查数据

6.3、namenode交互
        select count(1) from tab;

6.1、dfs ops 直接和直接去数据
        select * from tab;

7、返回结果信息集