Hive
由Facebook开源用于解决海量结构化日志的数据统计：
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成一张表，并提供类SQL查询功能;
构建在Hadoop之上的数据仓库：
* 使用HQL作为查询接口
* 处理的数据存储在HDFS
* 分析数据底层实现MapReduce
* 执行程序运行的YARN
本质是:将HQL转化成MapReduce程序
灵活性和扩展性比较好，支持UDF,自定义存储格式等。
适合离线数据处理。
Hive架构如下图：
> 用户接口：Client
CLI(hive shell)、JDBC/ODBC(java访问hive)，WEBUI(浏览器访问hive)
> 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；
默认存储在自带的 derby数据库中，推荐使用采用MySQL存储Metastore;
>Hadoop
使用HDFS进行存储，使用MapReduce进行计算。
> 驱动器: Driver
包含：解析器、编译器、优化器、执行器;
解析器：将SQL字符串转换成抽象语法树AST，这一步一般都用第二方工具库完成，比如antlr;对AST进行方法分析，比如表是否存在、字段是否存在、SQL语义是否有误（比如select中被判定为聚合的字段在group by 中是否有出现);
编译器：将AST编译成逻辑执行计划；
优化器：对逻辑执行计划进行优化；
执行器：把逻辑执行计划转换成可以运行的物理计划。对Hive来说，就是MR/TEZ/Spark;
Hive优点与使用场景
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）；
避免了去写MapReduce, 减少开发人员的学习成本；
统一的元数据管理，可与impala/spark等共享元数；
易扩展（hdfs+mapreduce:可以扩展集群规模，支持自定义函数）；
数据的离线处理：比如：日志分析，海量结构化数据离线分析...........
Hive的执行延迟比较高，因此hive常用于数据分析的，对实时性要求不高的场合；
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；
原文地址：https://www.cnblogs.com/cindy-zl24/p/9618501.html