在Hadoop的存儲處理方面提供了兩種不同的機制，一種是之前介紹過的Hbase，另外一種就是Hive，有關于Hbase，它是一種nosql數據庫的一種，是一種數據庫，基于分布式的列式存儲，適合海量數據的操作，，底層依賴HDFS，與rdbms的區別和其他的nosql基本類似，例如不支持sql語句對于數據進行操作，具體的關于Hbase的細節可以去參考我的上一篇博客，今天我們會通過hive和Hbase的區別對于hive進行相應的講解。
Hive 在其官方網站上的定義說hive是一個數據倉庫（數據倉庫中存儲數量級大且數據結構復雜的數據，是多個其他數據庫的集合）的軟件，通過sql的方式幫助用戶讀寫管理分布式存儲中的數據，展開來說：Apache Hive是一個建立在Hadoop上的數據倉庫基礎架構，它可以使用類似于sql語句的Hql對于存儲在HDFS上的數據進行相應的操作，可以轉化為MapReduce作業，但是，雖然相比于Hbase，hive提供了大家所熟悉的sql的功能，但是，對于一般sql的交互式查詢還是沒有被支持，Hive實際上就是只在Hadoop上運行批處理，而HBase操作的是數據庫而不是在mapreduce上實時運行
Hive可以做什么：
1、ETL（把多個關系型數據庫存儲到數據倉庫中的數據遷移過程就是ETL（flume/sqoop），包括數據的抽取，轉化，落地，加載等操作）、reporting、數據分析
2、可以把多種數據進行格式化或者結構化管理的工具
3、可以更加簡潔的訪問HDFS或者Hbase
4、可以直接通過sql直接使用訪問Mapreduce等框架
Hive的組件
1、服務端組件：
Driver組件：包括編譯器、優化器、執行器，將我們寫的HQL進行解析，便宜又話，生成執行計劃，然后調用底層的計算框架
Metastore組件：元數據服務組件，負責存儲hive的元數據，存儲在關系型數據庫中
Thrift服務：用來進行可擴展且跨語言的開發服務
Hive集成服務：能讓不同的開發語言調用hive接口
?
2、客戶端組件：
CLI：命令行接口，可以使用命令操作查看
Thrift客戶端：hive的許多客戶端接口是建立在thrift客戶端的基礎之上的，包括JDBC等
WEB UI ：可以在瀏覽器中訪問hive提供的服務接口
優點及使用場景
操作接口采用類SQL語法，提供快速開發的能力(簡單、容易上手)；
避免了去寫MapReduce，減少開發人員的學習成本，可以直接寫sql進行操作；
統一的元數據管理，可與impala/spark等共享元數據；
易擴展(HDFS+MapReduce：可以擴展集群規模；支持自定義函數)；
數據的離線處理；比如：日志分析，海量結構化數據離線分析…
Hive的執行延遲比較高，因此hive常用于數據分析的，對實時性要求 不高的場合；
Hive優勢在于處理大數據，對于處理小數據沒有優勢，因為Hive的執 行延遲比較高。
而對于Hive的執行流程，我借用某大神的一句神總結：將用戶提交的SQL語句轉換成Hadoop上的MR任務執行，并向用戶返回結果。（Sql傳入之后會提交到編譯器中，編譯器分析sql，然后去元數據中查數據的位置以及查看sql要進行什么操作，然后轉化成mapreduce程序（執行計劃），吧執行計劃交給執行器，然后執行器開始執行并將結果進行返回到客戶端，而優化器的作用就是對整個計算過程進行優化，比如在數據量特別小的時候就直接在內存中申請處理）
?
如需更多的交流可以添加qq群859121793
或添加微信群
)
