Hadoop整理五（基於Hadoop的數據倉庫Hive）

　　數據倉庫，是為企業所有級別的決策制定過程，提供所有類型數據支持的戰略集合。它是單個數據存儲，出於分析性報告和決策支持目的而創建。 為需要業務智能的企業，提供指導業務流程改進、監視時間、成本、質量以及控制。

　　數據倉庫和數據庫的區別：

　　1. 邏輯層面/概念層面：數據庫和數據倉庫其實是一樣的或者及其相似的，都是通過某個數據庫軟件，基於某種數據模型來組織、管理數據。但是，數據庫通常更關注業務交易處理（OLTP），而數據倉庫更關注數據分析層面（OLAP），由此產生的數據庫模型上也會有很大的差異。數據庫通常追求交易的速度，交易完整性，數據的一致性，等等，在數據庫模型上主要遵從范式模型（1NF，2NF，3NF，等等），從而盡可能減少數據冗余，保證引用完整性；而數據倉庫強調數據分析的效率，復雜查詢的速度，數據之間的相關性分析，所以在數據庫模型上，數據倉庫喜歡使用多維模型，從而提高數據分析的效率。
　　2. 產品實現層面：數據庫和數據倉庫軟件是有些不同的，數據庫通常使用行式存儲，如SAP ASE，Oracle, Microsoft SQL Server，而數據倉庫傾向使用列式存儲，如SAP IQ，SAP HANA

　　Hive的數據由兩部分組成：數據文件和元數據。元數據用於存放Hive庫的基礎信息，它存儲在關系數據庫中，如 mysql、derby。元數據包括：數據庫信息、表的名字，表的列和分區及其屬性，表的屬性，表的數據所在目錄等。

　　Hive體系結構-Hive的運行機制：
　　 用戶通過用戶接口連接Hive,發布Hive SQL。
　　 Hive解析查詢並制定查詢計划。
　　 Hive將查詢轉換成MapReduce作業。
　　 Hive在Hadoop上執行MapReduce作業。

　　托管表和外部表
　　數據存儲：
　　托管表：數據存儲在倉庫目錄下。
　　外部表：數據存儲在任何HDFS目錄下。
　　數據刪除
　　托管表：刪除元數據和數據。
　　外部表：只刪除元數據。