Hive开篇基本介绍

蔚落 2022-09-09 09:28 155阅读 0赞

### 本文目录 ###

*  Hive是个啥玩意
 *   *  1.Hive简介
     *  2.Hive优缺点
     *  3.Hive架构图
     *  4.Hive 运行机制
     *  5.Hive VS 数据库

# Hive是个啥玩意 #

学习完 Hadoop 之后，在Hadoop阶段主要就是 MR的编写。但是写 MR 还是有点麻烦，会写很多无意义的代码，然而有意义的代码只有那么几行，`就是map 和 reduce 中的一些业务，Driver中的代码贼无聊，也没有意义，此时Hive就出世了`。如需学习 Hadoop 专栏，参考：[Hadoop 教程目录][Hadoop]

Hive 将无聊的代码封装起来了，只需要我们为它提供一个 `HQL语句`，放到 hive 框架中执行，它就能够帮我们把 HQL 语句解析成对应的 MR 去执行，这样子就简单多了，省去了中间很多无意义的代码，甚是好用。

所有的 HQL 都能够翻译成 MR 执行，但并不是所有的 MR 都能翻译成HQL（Hive能解决的问题，MR一定能解决，反之则不一定了）

## 1.Hive简介 ##

`Hive`：由 Facebook 开源，用于解决海量`结构化`日志的数据统计工具。

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表`，并提供`类 SQL 查询`功能。

Hive 的本质，就是将 HQL 转化成 MapReduce 程序。**（HQL = Hive SQL 或 HQL = Hive Query Language）**

> **HQL→MapReduce解析过程，如图所示**  
> ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6YjM0ODExMDE3NQ_size_16_color_FFFFFF_t_70]  
> ①Hive 处理的数据存储在 HDFS  
> ②Hive 分析数据底层的实现是 MapReduce  
> ③执行程序运行在 Yarn 上  
>    
>   Hive相当于 Hadoop 的一个客户端。为用户提供了一个入口，提交HQL，自动解析成MR去运行，只需要一个HQL即可。Hadoop、Zookeeper都有一个集群的概念。Hive是没有集群的，它只是一个客户端。

## 2.Hive优缺点 ##

> **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
> 3.  Hive 的执行延迟比较高，因此 Hive 常用于数据分析，对实时性要求不高的场合
> 4.  Hive 优势在于处理大数据，对于处理小数据没有优势，因为 Hive 的执行延迟比较高
> 5.  Hive 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

> **缺点：**
> 
> 1.  **Hive 的 HQL 表达能力有限**  
>     1.迭代式计算无法表达(迭代：第一个MR结果作为第二个MR输入，管道方式,HQL实现的话，需要使用多层嵌套方式)  
>     2.数据挖掘方面不擅长(由于 MapReduce 数据处理流程的限制，效率更高的算法却无法实现)
> 2.  **避免了去写 MapReduce，减少开发人员的学习成本**  
>     1.Hive 自动生成的 MapReduce 作业，通常情况下不够智能化  
>     2.Hive 调优比较困难，粒度较粗（因为只能从SQL层调优，更多调优，还得依赖Hadoop调优）

## 3.Hive架构图 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6YjM0ODExMDE3NQ_size_16_color_FFFFFF_t_70 1]

> **1.用户接口：Client**  
>  `CLI`（command-line interface命令行访问）、`JDBC/ODBC`(jdbc 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内容；默认存储在自带的 Derby 数据库中，推荐使用 MySQL 存储 Metastore  
>    
> **3.Hadoop**  
>  使用 HDFS 进行存储，使用 MapReduce 进行计算。  
>    
> **4.驱动器：Driver**(这部分类似MySQL底层执行流程，参考：[一条SQL语句的坎坷之旅（MySQL底层执行流程分析）][SQL_MySQL])  
>   解析器（SQL Parser）：将 SQL 字符串转换成抽象语法树 AST，这一步一般都用第三方工具库完成，比如 antlr；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，就是 MR/Spark。

## 4.Hive 运行机制 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6YjM0ODExMDE3NQ_size_16_color_FFFFFF_t_70 2]  
  Hive 通过给用户提供的一系列交互接口，接收到用户的指令(SQL)，使用自己的 Driver，结合元数据(MetaStore)，将这些指令翻译成 MapReduce，提交到 Hadoop 中执行，最后，将执行返回的结果输出到用户交互接口

## 5.Hive VS 数据库 ##

由于 Hive 采用了类似 SQL 的查询语言 HQL(Hive Query Language)，因此很容易将 Hive 理解为数据库。其实从结构上来看，Hive 和数据库除了拥有类似的查询语言，再无类似之处。

`数据库可以用在 Online 的应用中，但是Hive 是为数据仓库而设计的`，清楚这一点，有助于从应用角度理解 Hive 的特性。Hive 和 数据库还是有实质上的区别的。

> **1.查询语言**  
>   由于 SQL 被广泛的应用在数据仓库中，因此，专门针对 Hive 的特性设计了类 SQL 的查询语言 HQL。熟悉 SQL 开发的开发者可以很方便的使用 Hive 进行开发  
>    
> **2.数据更新**  
>   由于 Hive 是针对数据仓库应用设计的，而数据仓库的内容是读多写少的。因此，Hive 中不建议对数据的改写，所有的数据都是在加载的时候确定好的。而数据库中的数据通常是需要经常进行修改的，因此可以使用 `INSERT INTO … VALUES` 添加数据，使用 `UPDATE … SET` 修改数据。  
>    
> **3.执行延迟**  
>   Hive 在查询数据的时候，由于没有索引，需要扫描整个表，因此延迟较高。另外一个导致 Hive 执行延迟高的因素是 MapReduce 框架。由于 MapReduce 本身具有较高的延迟，因此在利用 MapReduce 执行 Hive 查询时，也会有较高的延迟。相对的，数据库的执行延迟较低。当然，这个低是有条件的，即数据规模较小，当数据规模大到超过数据库的处理能力的时候，Hive 的并行计算显然能体现出优势。  
>    
> **4.数据规模**  
>   由于 Hive 建立在集群上并可以利用 MapReduce 框架进行并行计算，因此可以支持很大规模的数据；对应的，数据库可以支持的数据规模相对较小。

> 下一篇：[CentOS 7.7 安装 Hive 3.1.2][CentOS 7.7 _ Hive 3.1.2]

[Hadoop]: https://blog.csdn.net/lzb348110175/article/details/116595737
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6YjM0ODExMDE3NQ_size_16_color_FFFFFF_t_70]: /images/20220829/cae56d5377e642efa3be2690e7d5c85a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6YjM0ODExMDE3NQ_size_16_color_FFFFFF_t_70 1]: /images/20220829/c1f36e3e366d453fabd4a3560aa12c77.png
[SQL_MySQL]: https://blog.csdn.net/lzb348110175/article/details/106647986
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6YjM0ODExMDE3NQ_size_16_color_FFFFFF_t_70 2]: /images/20220829/893691031dae4432840e9b5bcfdf0458.png
[CentOS 7.7 _ Hive 3.1.2]: https://blog.csdn.net/lzb348110175/article/details/116986858