Hive是基于Hadoop文件系统上的数据仓库架构。
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数据库表,并提供类SQL查询功能。
本质是将SQL转换为MapReduce程序
它为数据仓库的管理提供了许多功能:
数据ETL(抽取,转换和加载)工具
数据存储管理
大型数据集的查询与分析
定义了类SQL的语言——Hive QL
Hive的数据存储是建立在Hadoop文件系统之上的。Hive本身没有专门的数据存储格式,也不能为数据建立索引,用户可以非常自由地组织Hive中的表,只需在创建表时告诉Hive数据中的列分隔符和行分隔符就可以解析数据了。
Hive主要包括4类数据模型:表,外部表,分区,桶。
Hive中的表和数据库中的表在概念上类似,每个表在Hive中都有一个对应的存储目录。
Hive中每个分区对应数据库中相应分区列的一个索引,但分区的组织方式和传统关系型数据库不同。在Hive中,表中的一个分区对应表下的一个目录,所有分区的数据都存储在对应目录中。
Hive的特点
•可扩展
Hive可以自由的扩展集群的规模,一般情况下不需要重启服务
•延展性
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
•容错
良好的容错性,节点出现问题SQL仍可完成执行
时间: 2024-08-05 02:35:44