Hive简介

Hive是一种数据仓库，是用SQL语句来读写，管理存储在分布式系统上的数据集。

简单的理解就是：hive是一种将sql语句转换成MR作业的工具

举例：

​在编写MR程序WordCount时，我们写了大量的代码，然后打成jar包，上传集群之后，在执行，最后才统计出各个单词出现的次数，其流程如下图所示：

1.png

这些操作在hive中只要一条分组统计语句就能完成： ​select word,count(*) from words group by word; 使用之前需要创建表，并且将原始数据上传到指定的表中。

hadoop jar xxx.jar wordcount 输入文件 输出文件 在MR程序中，我们可以手动指定输入文件和输出结果的路径，在hive中，表中的数据就是输入文件，也就是存放在HDFS上的文件，输出结果通常也是保存在一张表中，当然也是在HDFS上，也可以把结果保存在本地文件系统上。

在hive中，库名，表名，分区名，在HDFS上都表现为带有层级关系的目录。这些路径通过关系型数据库实现元数据与数据的关联。 （关系型数据库中存放hive创建的库名，表名，分区名所指向的HDFS上的某个路径，而数据就是存储在这些路径之下）