Hive入门级介绍

之前工作过程中接触到了hive，因此对hive做了一点小总结，在此给大家做个简单介绍。

在介绍hive前，先说说几个名词。

Hadoop：分布式系统基础架构，核心设计是HDFS和MapReduce。

HDFS：Hadoop Distributed File System（分布式文件系统），用于存储和处理数据集。

MapReduce：用于大规模数据集并行运算的编程模型。

01

hive是什么

hive是基于Hadoop的一个数据仓库工具。

02

hive产生的背景

Facebook在使用基于MySQL的数据仓库进行报表分析时，传统数据库难以负荷不断攀升的数据量，于是他们选择将数据存储到Hadoop上，然而想要从HDFS中查询数据，必须要跑MapReduce任务，这对于使用人员来说，成本过高，于是就有人开发了一套框架，用sql来做HDFS的查询，用户输入sql，框架内部把sql转成MapReduce任务。

至此hive诞生了。

03

hive解决的问题

将结构化的数据文件映射为一张数据库表，并定义了简单的类 SQL 查询语言，完成对HDFS数据的查询。

Hive和Hadoop交互方式如图所示：

Step 1（excuteQuery）：Hive接口，如命令行或Web UI发送查询驱动程序（任何数据库驱动程序，如JDBC，ODBC等）来执行。

Step 2（getPlan）：在驱动程序帮助下查询编译器，分析查询检查语法和查询计划或查询的要求。

Step 3（getMetadata）：编译器发送元数据请求到Metastore（数据库）。

Step 4（sendMetadata）：Metastore发送元数据，以编译器的响应。

Step 5（sendPlan）：编译器检查要求，并重新发送计划给驱动程序。到此为止，查询解析和编译完成。

Step 6（excutePlan）：驱动程序发送待执行计划到执行引擎。

excuteJob：内部执行MapReduce。执行引擎发送作业给JobTracker，在名称节点并把它分配作业到TaskTracker，这是在数据节点。在这里，查询执行MapReduce工作。

metadataOps：在excuteJob执行时，执行引擎可以通过Metastore执行元数据操作。

jobDone：执行引擎接收来自数据节点的结果。

Step 7（sendResults）：执行引擎发送这些结果值给驱动程序。

Step 8（fetchResults）：驱动程序将结果发送给Hive接口。

04

hive的存储

Hive本身是不进行数据存储的，数据都是存储在hdfs中的，如果没有特殊的声明，会以文本的形式存储，即不会再存储前做任何操作。

05

hive的优缺点

1) 简单易上手

2) 扩展能力较好

3) 统一的元数据管理

4) 由于是从HDFS中读取数据，所以决定了hive不支持局部的修改和删除，只能整体的覆盖、删除。

06

与传统数据库对比

感谢大家百忙之中花时间阅读这篇文章!~

由于作者了解的也比较浅显，在此关于hive的介绍就写这么多，希望后期可以和大家多交流，互相充电~

——作者案

Qtest是360旗下的专业测试团队！

是WEB平台部测试技术平台化、效率化的先锋力量！