Hive是干嘛的啊？

Question

Hive的概念到底是什么？

Answer 1

Hive 概念
Hive 的数据存储基于 HDFS
Hive 中的表—HDFS 里的目录
Hive 中的表的数据—HDFS 目录下的文件
Hive 中的行列—HDFS 文件中的行列
Hive 的用户接口有三个：Shell、Web、JDBC/ODBC。
Hive 将元数据存储在数据库中（MetaStore），只支持 MySQL、Derby（默认，一次只能打开一个会话，不推荐）作为存储引擎；元数据包括表的名字、列、分区、是否为外部表以及数据所在目录等。
Hive 的数据存储在 HDFS 中，大部分的查询由 MapReduce 完成。（包含 * 查询，但select * from table 不会生成 MapReduce 任务）
Hive 中的解释器、编译器、优化器完成 HQL 查询语句并生成查询计划；生成的查询计划存储在 HDFS 中，并随后由 MapReduce 调用执行，Hadoop 监控作业执行过程，然后返回作业执行结果给用户。（简单来说就是把类 SQL 语句转化为 MapReduce 任务运行，高延迟）
Hive 在导入数据过程中不会对数据做任何修改，只是将数据移至 HDFS 目录中，所有数据都是在导入时确定。（纯移动/复制操作）
因此 Hive 并不提供实时的查询和基于行级的数据更新操作，不适合联机事务处理（低延迟）。
Hive 没有定义专门的数据格式，因此创建表时，指定Hive数据的列分隔符与行分隔符，Hive即可解析数据。
列分割符:‘,’ ‘\t’(TAB) ‘\040’(空格) [ASCII码表]
行分隔符: ‘\n’(ENTER)
文件格式：TextFile(数据是纯文本)、SequenceFile(若需要压缩)
Hive 中的数据模型有4种：Table(内部表)、Partition(分区表)、External Table(外部表)、Bucket(桶表)

Hive 是 SQL 解析引擎，它将 SQL 语句转译成 Map/Reduce Job 然后在 Hadoop 执行；能够用类 SQL 的方式操作 HDFS 里面数据一个数据仓库的框架，这个类 SQL 我们称之为 HQL（Hive Query Language）。

这是我的笔记，望采纳。