Hive第一篇详细介绍（小白也看得懂_入门级别）

什么是HIVE

​ Hive是一个语句Hadoop的一个数据仓库工具，是将结构化数据文件映射成为一个数据表，并提供类SQL的查询功能。

Hive可以对数据进行存储于计算

​ 数据存储依赖于HDFS

​ 数据计算依赖于MapReduce

Hive意义（目的）

​ 在hadoop是个好软件，但是不好使用（学习成本太高，坡度陡，难度大）的前提下

​ 降低了程序员使用hadoop的学习成本，降低了难度。

Hive特点

​ 可扩展性：与集群的扩展性相同

​ 延展性：Hive提供自定义函数接口，支持HQL语句直接调用java方法

​ 容错性：节点出现问题SQL仍可完成执行。

Hive架构图

元数据

描述数据的数据就是元数据

​ 表的名字，

​ 表的列

​ 列的类型

Hive内部执行过程

解释器 -> 编译器（会使用到元数据） -> 优化器 -> 执行器

Hive基本介绍

​ Hive中没有定义专门的数据格式，用户提供的数据是什么格式，hive直接将数据拷贝到集群。不会对数据格式进行改变。

​ 用户定义数据格式需要指定三个属性：

​ 列分隔符（通常为空格、”\t”、”\x001″）、

​ 行分隔符（”\n”）

​ 读取文件数据的方法（Hive 中默认有三个文件格式 TextFile，SequenceFile 以及 RCFile）

​ 不会对数据本身进行任何修改，甚至不会对数据进行扫描。

​ Hive 中不支持对数据的改写和添加（在 一个文本中添加新数据）

​ Hive 在加载数据的过程中不会对数据中的某些 Key 建立索引。

总结：hive具有sql数据库的外表，但应用场景完全不同，hive**只适合用来做批量数据统计分析

Hive内的基本概念

​ DB、数据库

​ Table， 表（内部表）

​ External Table， 外部表

​ Partition，分区

​ Bucket。分桶

Hive支持的数据格式

​ 可支持Text， SequenceFile ，ParquetFile，ORC格式RCFILE等