什么是Hive？ 我來一個短而精悍的總結（面試常問）
1:hive是基於hadoop的數據倉庫建模工具之一（后面還有TEZ，Spark）。
2:hive可以使用類sql方言，對存儲在hdfs上的數據進行分析和管理。
Hive 是建立在 Hadoop 上的數據倉庫基礎構架。它提供了一系列的工具，可以用來進行數據提取轉化加載（ETL ），這是一種可以存儲、查詢和分析存儲在 Hadoop 中的大規模數據的機制。Hive 定義了簡單的類 SQL 查詢語言，稱為 HQL ，它允許熟悉 SQL 的用戶查詢數據。同時，這個語言也允許熟悉 MapReduce 開發者的開發自定義的 mapper 和 reducer 來處理內建的 mapper 和 reducer 無法完成的復雜的分析工作。
Hive是SQL解析引擎，它將SQL語句轉譯成M/R Job然后在Hadoop執行。
Hive的表其實就是HDFS的目錄，按表名把文件夾分開。如果是分區表，則分區值是子文件夾，可以直接在M/R Job里使用這些數據。
Hive相當於hadoop的客戶端工具，部署時不一定放在集群管理節點中，可以放在某個節點上。
Hive與傳統數據庫比較
Hive與傳統數據庫比較
1. 查詢語言。類 SQL 的查詢語言 HQL。熟悉 SQL 開發的開發者可以很方便的使用 Hive 進行開發。
2. 數據存儲位置。所有 Hive 的數據都是存儲在 HDFS 中的。而數據庫則可以將數據保存在塊設備或者本地文件系統中。
3. 數據格式。Hive 中沒有定義專門的數據格式。而在數據庫中，所有數據都會按照一定的組織存儲，因此，數據庫加載數據的過程會比較耗時。
4. 數據更新。Hive 對數據的改寫和添加比較弱化，0.1.4版本之后支持，需要啟動配置項。而數據庫中的數據通常是需要經常進行修改的。
5. 索引。Hive 在加載數據的過程中不會對數據進行任何處理。因此訪問延遲較高。數據庫可以有很高的效率，較低的延遲。由於數據的訪問延遲較高，決定了 Hive 不適合在線數據查詢。
6. 執行計算。Hive 中執行是通過 MapReduce 來實現的而數據庫通常有自己的執行引擎。
7. 數據規模。由於 Hive 建立在集群上並可以利用 MapReduce 進行並行計算，因此可以支持很大規模的數據；對應的，數據庫可以支持的數據規模較小。
Hive的存儲格式
Hive的數據存儲基於Hadoop HDFS。
Hive沒有專門的數據文件格式,目前主流使用有三種：
TextFile
默認格式，數據不做壓縮，磁盤開銷大，數據解析開銷大。 可結合Gzip、Bzip2使用(系統自動檢查，執行查詢時自動解壓)，但使用這種方式，hive不會對數據進行切分。從而無法對數據進行並行操作。
RCFile
RCFILE是一種行列存儲相結合的存儲方式。首先，其將數據按行分塊，保證同一個record在一個塊上，避免讀一個記錄需要讀取多個block。其次，塊數據列式存儲，有利於數據壓縮和快速的列存取
SequenceFile
SequenceFile是Hadoop API提供的一種二進制文件支持，其具有使用方便、可分割、可壓縮的特點。
Hive操作客戶端
常用的2個：CLI，JDBC/ODBC
CLI，即Shell命令行 JDBC/ODBC 是 Hive 的Java，與使用傳統數據庫JDBC的方式類似。
Hive 將元數據存儲在數據庫中(metastore)，目前只支持 mysql、derby。
Hive 中的元數據包括表的名字，表的列和分區及其屬性，表的屬性（是否為外部表等），表的數據所在目錄等解釋器、編譯器、優化器完成 HQL 查詢語句從詞法分析、語法分析、編譯、優化以及查詢計划（plan）的生成。生成的查詢計划存儲在 HDFS 中，並在隨后由 MapReduce 調用執行。
Hive 的數據存儲在 HDFS 中，大部分的查詢由 MapReduce 完成（包含 * 的查詢，比如 select * from table 不會生成 MapRedcue 任務,記住，其實這里的不產生mapreduce的原因是hive自己的數據抓取策略默認是不開啟mapreduce任務的，如果開啟可以設置，但是誰想變慢呢，所以一般默認就好）
Hive的metastore
metastore是hive元數據的集中存放地。
metastore默認使用內嵌的derby數據庫作為存儲引擎
Derby引擎的缺點：一次只能打開一個會話
使用MySQL作為外置存儲引擎，多用戶同時訪問
元數據庫詳解見：查看mysql SDS表和TBLS表
可參考 https://blog.csdn.net/haozhugogo/article/details/73274832