Hive-基本概念

什么是Hive

• Hive是建立在Hadoop之上的开源数据仓库，将存储在Hadoop文件中的结构化、半结构化的数据文件映射为一张数据表，基于表提供类似SQL的查询模型，称为Hive查询语言（HQL），用于访问和分析存储在Hadoop文件中的大型数据集。
• Hive的核心是将HQL转换为MapReduce程序，然后将程序提交到Hadoop集群执行，并YARN进行资源管理。

为什么使用Hive

Q：Hive的底层存数据用HDFS存，计算用MapReduce来计算 ，可以发现Hive是基于Hadoop来使用的，那么为什么不干脆使用Hadoop呢？

A：Hive为我们提供了可以编写SQL的功能，而不是编写程序，SQL的学习成本低，使用简单，Hive将对应的SQL转换成为MapReduce程序完成对数据的分析，有了Hive的加持，我们可以在Hadoop上写SQL来进行数据的搜索。

Hive的工作过程

案例：在HDFS文件系统上有一个user.txt文件，现在需求是查询来自上海且年龄大于25的用户数量

Step1：用户编写查询该文件数据的SQL语句

Step2：Hive将SQL进行语法解析，检查是否存在语法错误

Step3：元数据之前已经在数据库中存储好了，即文件和数据表已经形成映射，当写SQL查询时，去数据库中找到对应的元数据信息，Hive将SQLMapReduce程序，将元数据传入该程序，根据元数据信息找到具体的HDFS文件进行查找。

Step4：将执行计划转换成MapReduce程序来执行，将执行结果封装返回给用户

提到的几个概念

元数据-MetaData

也就是HDFS中的文件和数据库中表的映射关系，元数据记录着所存储数据的一些属性，比如表对应着哪个文件，表的列对应文件哪一个字段，文件字段之间的分隔符是什么。

元数据存在mysql或Hive自带的derby中，分析的那些文件数据在HDFS上。

元数据服务-MetaStore

元数据服务用来管理元数据，对外暴露服务地址，让各种客户通过连接metastore，由metastore再去连接MySQL数据库来存取数据，这些客户可以同时连接，且不需要知道MySQL数据库的用户名和密码，在某种程度上也保证了元数据的安全。

Hive的架构和组件

• 用户接口

CLI（command line interface）是shell命令行，JDBC/ODBC也就是通过编译程序来访问，Hive Web interface 是通过网页来访问

• Hive Driver驱动程序

完成HQL查询语句从语法分析，编译，优化及查询计划的生成，生成的查询计划存储在HDFS中，并在随后由执行引擎（如MapReduce，Spark，Tez）调用执行