(1)Hive的作用

Hive的作用与特征

1.Hadoop家族产品

Apache Hadoop：是Apache开源组织的一个分布式计算开源框架，提供了一个分布式文件系统子项目(HDFS)和支持MapReduce分布式计算的软件架构。

截止到2013年，根据统计，Hadoop家族产品已经达到20个。

2.Hive的定义

Apache Hive：是基于Hadoop的一个数据仓库工具，它提供了一系列的工具，可以将结构化的数据文件映射为一张数据库表，可以用来进行数据提取转化加载（ETL），这是一种可以存储、查询和分析存储在Hadoop 中的大规模数据的机制。

Hive 定义了简单的类SQL 查询语言，称为HQL，它允许熟悉SQL 的用户查询数据。通过类SQL语句快速实现简单的MapReduce统计，不必开发专门的MapReduce应用，十分适合数据仓库的统计分析。同时，这个语言也允许熟悉MapReduce 开发者的开发自定义的mapper 和reducer 来处理内建的mapper 和reducer 无法完成的复杂的分析工作。

Hive最大的特点就是提供了类SQL的语法，封装了底层的MapReduce过程，让有SQL基础的业务人员，也可以直接利用Hadoop进行大数据的操作，就是这一特点，解决了原数据分析人员对于大数据分析的瓶颈。

3.设计特征

Hive 是一种底层封装了Hadoop 的数据仓库处理工具，使用类SQL 的HiveQL 语言实现数据查询，所有Hive 的数据都存储在Hadoop 兼容的文件系统（例如，Amazon S3、HDFS）中。Hive 在加载数据过程中不会对数据进行

任何的修改，只是将数据移动到HDFS 中Hive 设定的目录下，因此，Hive 不支持对数据的改写和添加，所有的数据都是在加载的时候确定的。Hive 的设计特点如下。

● 支持索引，加快数据查询。

● 不同的存储类型，例如，纯文本文件、HBase 中的文件。

● 将元数据保存在关系数据库中，大大减少了在查询过程中执行语义检查的时间。

● 可以直接使用存储在Hadoop 文件系统中的数据。

● 内置大量用户函数UDF 来操作时间、字符串和其他的数据挖掘工具，支持用户扩展UDF 函数来完成内置函数无法实现的操作。

● 类SQL 的查询方式，将SQL 查询转换为MapReduce 的job 在Hadoop 集群上执行。

4.Hive的体系结构

主要分为以下几个部分：

用户接口

用户接口主要有三个：CLI，Client 和WUI。其中最常用的是CLI，Cli 启动的时候，会同时启动一个Hive 副本。Client 是Hive 的客户端，用户连接至Hive Server。在启动Client 模式的时候，需要指出Hive Server 所在节点，并且在该节点启动Hive Server。WUI 是通过浏览器访问Hive。

元数据存储

Hive 将元数据存储在数据库中，如mysql、derby。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。

解释器、编译器、优化器、执行器

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，并在随后由MapReduce 调用执行。

下图列出了Hive的知识点。

Hive 的运行：Hive 是基于Hadoop 构建的，简单地说就是一套Hadoop 的访问接口，Hive 本身并没有太多的东西，运行上面注意下面几个问题就行了。

∙1. 使用单独的数据库存储元数据

∙2. 定义合理的表分区和键

∙3. 设置合理的bucket数据量

∙4. 进行表压缩

∙5. 定义外部表使用规范

∙6. 合理的控制Mapper, Reducer数量