1、什么是hive
Hive是一個基於Hadoop的數據倉庫，可以將結構化數據映射成一張表，並提供類SQL的功能，最初由Facebook提供，使用HQL作為查詢接口、HDFS作為存儲底層、mapReduce作為執行層，設計目的是讓SQL技能良好，但Java技能較弱的分析師可以查詢海量數據，2008年facebook把Hive項目貢獻給Apache。Hive提供了比較完整的SQL功能（本質是將SQL轉換為MapReduce），自身最大的缺點就是執行速度慢。Hive有自身的元數據結構描述，可以使用MySql\ProstgreSql\oracle 等關系型數據庫來進行存儲，但請注意Hive中的所有數據都存儲在HDFS中。Hive具有比較好的靈活性和擴展性，支持UDF，自定義存儲格式，適合離線數據處理。Hive在hadoop生態系統中地位如下圖所示：
2、hive的架構
用戶接口：client
CLI（hive shell）、JDBC/ODBC（java訪問hive），WEBUI（瀏覽器訪問hive）
元數據：metastore
元數據包括：表名、表所屬數據庫、表的擁有者、列/分區字段、表的類型、表數據所在目錄。
Hadoop
使用hdfs進程數據存儲，運行在yarn上，使用mapreduce進行計算。
驅動器：dirver
包含：解析器、編譯器、優化器、執行器
解析器：將SQL字符串轉換成抽象語法樹AST，這一步一般都是用第三方工具庫完成，比如antlr；對AST語法樹進行分析，比如表否存在、字段是否存在、SQL語義是否有誤。
編譯器：將AST編譯生成邏輯執行計划。
優化器：對邏輯執行計划進行優化。
執行器：把邏輯執行計划轉換成物理執行計划。對於hive來說，就是MR/TEZ/Spark；
3、hive的優點及使用場景
1）操作接口使用SQL語法，提供快速開發的能力。
2）避免了去屑mapreduce，減少開發人員學習成本。
3）統一元數據管理，可與impala/spark等共享元數據。
4）因底層基於hadoop，易於擴展，支持自定義函數UDF。
5）數據離線處理，比如日志分析，海量數據結構化分析。
6）Hive執行延遲比較高，適合於做離線分析處理，不適合實時查詢。
7）Hive優勢在於處理大數據集，對於小數據集沒有優勢。