Hive简介
Hive是一个基于Hadoop的开源数据仓库工具,用于存储和处理海量结构化数据.
它是Facebook在2008年8月开源的一个数据仓库框架,提供了类似于SQL语法的HQL(HiveSQL)语句作为数据访问接口.
Hive可以做复查统计分析之类的工作; 利用hdfs的存储空间,进行结构化数据的存储; 利用Mapreduce进行数据的计算.
Hive的优缺点
优点：
. 使用JDBC接口/ODBC接口,开发人员更易开发应用.
. 统一的元数据管理(Derby、MySql等),并可与Pig、Spark等共享.
. 以 MR 作为计算引擎、HDFS 作为存储系统,为超大数据集设计的计算/扩展能力.
. 使用类 SQL 查询语法,最大限度的实现了和SQL标准的兼容,大大降低了传统数据分析人员处理大数据的难度.
缺点：
. Hive自动生成MapReduce作业,HQL 调优困难.
. Hive生成MapReduce作业,高延迟,不适合实时查询.
. HQL 表达能力有限,比如不支持UPDATE、非等值连接、DELETE、INSERT单条等.
. 粒度较粗,可控性差,是因为数据是读的时候进行类型的转换,mysql关系型数据库是在写入的时候就检查了数据的类型。
Hive与RDBMS的对比
• Hive使用mapreduce做运算,与传统数据库相比运算数据规模要大得多;
• Hive很容易扩展自己的存储能力和计算能力,这个是继承hadoop的,而关系数据库在这个方面要比Hive差很多;
• Hive和关系数据库存储文件的系统不同,hive使用的是hadoop的HDFS,关系数据库则是服务器本地的文件系统;
• 关系数据库都是为实时查询的业务进行设计的,而hive则是为海量数据做数据挖掘设计的,实时性很差;实时性差导致hive的应用场景和关系数据库有很大的区别.
| Hive | RDBMS |
|---|
| 查询语言 | HQL | SQL |
| 数据存储 | HDFS | Raw Device or Local FS |
| 执行引擎 | MapReduce | 数据库引擎 |
| 数据存储校验 | 存储不校验 | 存储校验 |
| 可扩展性 | 强 | 有限 |
| 执行延迟 | 高 | 低 |
| 处理数据规模 | 大 | 小 |
Hive的组成
两大类组件：服务端组件和客户端组件
服务端组件：
Driver组件：
该组件包括Complier(编译器)、Optimizer(优化器)和Executor(执行器),
它的作用是将HiveQL(类SQL)语句进行解析、编译优化,生成执行计划,然后调用底层的MapReduce计算框架.
Metastore组件：
元数据服务组件,这个组件存取Hive的元数据;
作用是: 客户端连接metastore服务,metastore再去连接MySQL数据库来存取元数据.
Hive的元数据存储在关系数据库里,Hive支持的关系数据库有Derby和Mysql.
Hive元数据: Hive表所对应的字段、属性还有表所对应存储的HDFS目录.
Thrift服务：
Thrift是Facebook开发的一个软件框架,它用来进行可扩展且跨语言的服务的开发,Hive集成了该服务,能让不同的编程语言(Java,Scala)调用Hive的接口.
客户端组件：
CLI：
Command Line Interface,命令行接口.
JDBC/ODBC：
Hive架构的JDBC和ODBC接口是建立在Thrift客户端之上.
WEBGUI：
Hive客户端提供了一种通过网页的方式访问Hive所提供的服务.这个接口对应Hive的HWI组件(Hive Web Interface),使用前要启动HWI服务.
Hive查询执行过程
1）Execute Query： Hive界面如命令行或Web UI将查询发送到Driver(任何数据库驱动程序如JDBC、ODBC,等等)来执行.
2）Get Plan: Driver根据查询编译器解析query语句,验证query语句的语法,查询计划或者查询条件.
3）Get Metadata： 编译器将元数据请求发送给Metastore(数据库).
4）Send Metadata： Metastore将元数据作为响应发送给编译器.
5）Send Plan： 编译器检查要求和重新发送Driver的计划;到这里,查询的解析和编译完成.
6）Execute Plan: Driver将执行计划发送到执行引擎.
6.1）Execute Job: 任务执行引擎发送一个任务到资源管理节点(ResourceManager),资源管理器分配该任务到任务节点,由任务节点上开始执行mapreduce任务.
6.2）Metadata Ops：在执行引擎发送任务的同时,对Hive的元数据进行相应操作.
7）Fetch Result： 执行引擎接收数据节点(DataNode)的结果.
8）Send Results: 执行引擎发送这些合成值到Driver.
9）Send Results： Driver将结果发送到Hive接口.
