简介

hive

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表，并提供类SQL查询功能。

hive的特点

直接使用hadoop所面临的问题，人员学习成本太高，项目周期要求太短，MapReduce实现复杂查询逻辑开发难度太大。操作接口采用类SQL语法，提供快速开发的能力。避免了去写MapReduce，减少开发人员的学习成本。总结来看有三个特点。

  1. 扩展功能很方便，Hive可以自由的扩展集群的规模，一般情况下不需要重启服务。

  2. 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。

  3. 良好的容错性，节点出现问题SQL仍可完成执行。

hive架构

架构图

image-20201116160806325

Jobtracker是hadoop1.x中的组件，它的功能相当于： Resourcemanager+AppMaster

TaskTracker 相当于： Nodemanager + yarnchild

基本组成

  1. 用户接口：包括 CLI、JDBC/ODBC、WebGUI。

  2. 元数据存储：通常是存储在关系数据库如 mysql , derby中。

  3. 解释器、编译器、优化器、执行器。

各组件基本功能

  1. 用户接口主要由三个：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。

  2. 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。

  3. 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与Hadoop的关系

Hive利用HDFS存储数据，利用MapReduce查询数据。

image-20201116161015312