Hive是建立在Hadoop上的數據倉庫基礎構架。對于有一定基礎的大數據學習者來講，Hive是必須掌握的核心技術。本文主要帶大家來認識一下Hive，了解什么是Hive？為什么要用Hive？如果大家對這些問題好奇，就一起看看接下來的內容吧~

什么是Hive？

1.Hive的定義

Hive一個可以將結構化的數據文件映射為一張數據庫表并提供類SQL查詢功能的數據倉庫工具，而且它是基于Hadoop的。因此，從本質上來看，Hive是將SQL轉換為MapReduce程序的工具。因為，比直接用MapReduce開發效率更高，Hive的主要作用就是用來做離線數據分析。

2.Hive架構

用戶接口：包括CLI、JDBC/ODBC、WebGUI。其中，CLI(command line interface)為shell命令行；JDBC/ODBC是Hive的JAVA實現，與傳統數據庫JDBC類似；WebGUI是通過瀏覽器訪問Hive。

元數據存儲：通常是存儲在關系數據庫如mysql/derby中。Hive將元數據存儲在數據庫中。Hive中的元數據包括表的名字，表的列和分區及其屬性，表的屬性（是否為外部表等），表的數據所在目錄等。

解釋器、編譯器、優化器、執行器：完成HQL查詢語句從詞法分析、語法分析、編譯、優化以及查詢計劃的生成。生成的查詢計劃存儲在HDFS中，并在隨后有MapReduce調用執行。

3.Hive數據模型

Hive中所有的數據都存儲在HDFS中，沒有專門的數據存儲格式。在創建表時指定數據中的分隔符，Hive就可以映射成功，解析數據。Hive中包含以下數據模型：

db：在hdfs中表現為hive.metastore.warehouse.dir目錄下一個文件夾；

table：在hdfs中表現所屬db目錄下一個文件夾；

external table：數據存放位置可以在HDFS任意指定路徑；

partition：在hdfs中表現為table目錄下的子目錄；

bucket：在hdfs中表現為同一個表目錄下根據hash散列之后的多個文件。

為什么要用Hive？

1.Hive與傳統數據庫對比

Hive用于海量數據的離線數據分析。Hive具有sql數據庫的外表，但應用場景完全不同，Hive只適合用來做批量數據統計分析。

2.Hive的優勢

Hive利用HDFS存儲數據，利用MapReduce查詢分析數據。因為直接使用Hadoop MapReduce處理數據，會面臨人員學習成本太高的問題，而且MapReduce實現復雜查詢邏輯開發難度太大。而使用Hive，操作接口采用類SQL語法，提供快速開發的能力的同時還避免了去寫MapReduce，從而減少開發人員的學習成本，功能擴展更加方便。

以上就是動力節點java培訓機構的小編針對“數據庫開發教程之Hive的使用”的內容進行的回答，希望對大家有所幫助，如有疑問，請在線咨詢，有專業老師隨時為你服務。