Hive出現的背景
Hadoop提供了大數據的通用解決方案，比如存儲提供了Hdfs，計算提供了MapReduce思想。但是想要寫出MapReduce算法還是比較繁瑣的，對於開發者來說，需要了解底層的hadoop api。如果不是開發者想要使用mapreduce就會很困難....
另一方面，大部分的開發者都有使用SQL的經驗。SQL成為開發者必備的技能...
那么可以不可以使用SQL來完成MapReduce的過程呢？—— 答案就是，Hive
Hive能夠解決的問題
Hive可以幫助開發者從現有的數據基礎架構轉移到Hadoop上，而這個基礎架構是基於傳統關系型數據庫和SQL的。Hive提供了Hive查詢語言，即HQL，它可以使用SQL方言查詢存儲在hadoop中的數據。
執行原理
Hive本身不會生成java的mapreduce程序，而是通過XML文件 驅動執行內置的、原生的Mapper和Reducer。
Hive的缺點
- 1 不支持記錄級別的更新、插入或者刪除
- 2 查詢延遲比較嚴重
- 3 不支持事務
如果想要基於SQL還想具有上面的特性，可以直接使用hadoop提供的nosql數據庫——HBase
適合的場景
Hive適合做 數據倉庫 應用程序，可以維護海量數據，對數據進行挖掘，形成意見和報表。
其他
同類型的工具就是Pig
暫時的疑問！！
1 HQL是如何變成MapReduce算法的？
2 平時HQL都是怎么使用的？——最佳實踐
Hive中的數據類型與文件格式
