【Hive】:简介与基本使用

hive简单来说，就是一个用来查询hadoop当中（hdfs）数据的一个工具。它的结构如下：

 

 hive当中有一部分用来储存元数据，也就是metadata，这些metadata包含了hadoop当中的数据表的schema，比如说一个表的所有列名称，字段，类型。以及有哪些表table已经被hdfs所保存。

而这些数据储存在hive自身的数据库当中，hive中metadata的数据库一般使用的是mysql进行储存，或者使用自带的derby数据库进行储存。

Hive当中还有一个比较重要的部分则是Driver,Driver的作用主要是：将hql（类似于sql的statement）翻译成mapreduce，或者将其翻译成shell命令。

同时hive是一个数据仓库工具，它并没有分布式集群的概念，如是使用hive提交作业，可以将其提交到hadoop上的master slave上面就好。hive和我们的mapreduce有一定的区别，hive只是用来写hql的，而mapreduce可以实实在在地做离线分布式计算。

二. Hive和关系型数据库的区别

区别如下图所示：

 

 hive还具备关系型数据库所不具备的内部表和外部表，内部表一般储存在hive的内部，默认为/user/hive/warehouse，外部表一般储存在hdfs当中，并且由hdfs来管理。外部表创建的时候有external关键字。

三.分区表

hive当中还有一种表，也就是分区表。也就是说，同一个表，可以用多个分区来进行表示。

使用分区表的原因：

当数据量比较大的时候，可以使用分区表对数据进行划分，缩小查询数据的范围。

分区表实际上就是在表的目录下创建的子目录。

如果有分区表进行查询的时候，要尽量使用分区的字段。

比如我们可以按照日期来划分分区表，这样我们就可以单独查看某一天的所有数据。

创建分区表：

create table t1(
    id      int
   ,name    string
   ,hobby   array<string>
   ,add     map<String,string>
)
partitioned by (pt_d string)
row format delimited
fields terminated by ','
collection items terminated by '-'
map keys terminated by ':'
;