1：Hive的概念

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。

本质是将SQL转换为MapReduce的任务进行运算，底层由HDFS来提供数据的存储支持。

Hive可以理解为一个将SQL转换为MapReduce任务的工具，甚至更进一步可以说hive就是一个MapReduce的客户端。

2：Hive与数据库的区别

Hive 具有 SQL 数据库的外表，但应用场景完全不同

Hive 只适合用来做海量离线数据统计分析，也就是数据仓库。

3 Hive的优缺点

1：优点

①操作接口采用类SQL语法，提供快速开发的能力（简单、容易上手）。

②避免了去写MapReduce，减少开发人员的学习成本。

③Hive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。

2：缺点

①Hive 的查询延迟很严重

②hadoop jar xxxx.jar xxx.class /input /output

进行任务的划分，然后进行计算资源的申请

map 0% reduce 0%

map 10% reduce 0%

③Hive 不支持事务

4：Hive架构原理

1：用户接口

Client CLI（hive shell）

JDBC/ODBC(java访问hive)

WEBUI（浏览器访问hive）

2：元数据：Metastore

元数据包括：表名、表所属的数据库（默认是default）、表的拥有者、列/分区字段、表的类型（是否是外部表）、表的数据所在目录等

默认存储在自带的derby数据库中，推荐使用MySQL存储Metastore

3：Hadoop集群

使用HDFS进行存储，使用MapReduce进行计算。

4：Driver：驱动器

解析器（SQL Parser）

将SQL字符串转换成抽象语法树AST

对AST进行语法分析，比如表是否存在、字段是否存在、SQL语义是否有误

编译器（Physical Plan）：将AST编译生成逻辑执行计划。

优化器（Query Optimizer）：对逻辑执行计划进行优化。

执行器（Execution）：把逻辑执行计划转换成可以运行的物理计划。对于Hive来说默认就是mapreduce任务。