Hive

一、Hive：从“核心引擎”到“存储底座”
1.1 核心定位：离线数仓的基石
在银行大数据平台架构中，Hive 通常作为离线数据湖/仓库的核心存储与管理组件存在。

价值权衡：银行选择 Hive，是因为它能以最低成本、最稳定方式处理最大规模数据（夜间批量 ETL、全量扫描、历史归档），同时提供统一的元数据标准。

“慢”是其设计权衡中接受的代价，而非缺陷。

1.2 “存算分离”与透明加速
引入 Doris / SelectDB / Trino 作为高性能查询引擎，弥补 Hive（MapReduce）在查询延迟和并发上的瓶颈（原生响应通常在分钟级，无法满足秒级实时要求）。

数据仍存储在 Hive（避免重复建设），查询层对接 MPP 引擎，通过 Catalog 直接读取 Hive 表，利用向量化执行和缓存技术，实现查询提速 10 倍以上。

关系比喻：Hive 是“货车”（低成本、稳定、大批量），Trino/Doris 是“跑车”（高速查询），两者协同工作。

1.3 实时化补充：Hive + Hudi
Hive 原生不支持行级更新/删除，时效性为 T+1。

引入 Hudi 在 Hive 底层构建实时数据湖，通过 Flink 消费 Kafka 实时数据写入 Hudi，实现 T+0 准实时分析。