Hive(4) hive概念、与数据库的区别、hive优缺点、hive架构原理

Hive的概念

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数据库中的表，并提供类SQL查询功能。

• 其本质是将SQL转换为MapReduce的任务进行运算，底层由HDFS来提供数据的存储支持，说白了hive可以理解为一个将SQL转换为MapReduce任务的工具，甚至更进一步可以说hive就是一个MapReduce的客户端。

Hive与数据库的区别

• Hive 具有 SQL 数据库的外表，但应用场景完全不同。

• Hive 只适合用来做海量离线数据统计分析，也就是数据仓库。

Hive的优缺点

• 优点

  • 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）。

  • 避免了去写MapReduce，减少开发人员的学习成本。

  • 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。

• 缺点

  • Hive 的查询延迟很严重

  • Hive 不支持事务

Hive架构原理

• 1、用户接口：Client

  • CLI（hive shell）

  • JDBC/ODBC(java访问hive)--》启动hiveserver2，通过jdbc协议访问hive，hiveserver2支持高并发。

  • WEBUI（浏览器访问hive）

• 2、元数据：Metastore

  • 元数据包括：表名、表所属的数据库（默认是default）、表的拥有者、列/分区字段、表的类型（是否是外部表）、表的数据所在目录等；

  • 元数据默认存储在自带的derby数据库中，推荐使用MySQL存储Metastore。

  • 我们安装hive时，在配置文件里设置了元数据保存在node03的mysql的某个数据库里。如下：

    <property>
        <name>javax.jdo.option.ConnectionURL</name
        <value>jdbc:mysql://node03:3306/hive?createDatabaseIfNotExist=true&amp;characterEncoding=latin1&amp;useSSL=false</value>
    </property>
    

    

• 3、Hadoop集群

  • 使用HDFS进行存储，使用MapReduce进行计算。

• 4、Driver：驱动器

  • 解析器（SQL Parser）

    • 将SQL字符串转换成抽象语法树AST

    • 对AST进行语法分析，比如表是否存在、字段是否存在、SQL语义是否有误

  • 编译器（Physical Plan）：将AST编译生成逻辑执行计划

  • 优化器（Query Optimizer）：对逻辑执行计划进行优化

  • 执行器（Execution）：把逻辑执行计划转换成可以运行的物理计划。对于Hive来说默认就是mapreduce任务