1、Hive的存在可以簡化MapReduce實現過程

（1）MapReduce程式設計的不便

（2）傳統關係型資料庫RDBMS人員的需要

（3）HDFS上的檔案沒有schema的概念：即沒有表明、欄位名、欄位型別等資訊。僅僅是一個字串的檔案。

2、Hive是什麼？

（1）由Facebook開源，用於解決海量結構化日誌的資料統計問題

（2）構建在Hadoop之上的資料倉庫（當計算/儲存能力不夠，直接線性新增機器即可）

（3）Hive提供的SQL查詢語言：HQL

（4）Hive底層支援多種不同的執行引擎：MR/Tez/Spark（在Hive裡通過一個引數設定，即可更換底層引擎執行。客戶對引擎是不感知的）

（5）使用SQL對海量資料的資料進行統計、分析的一個工具。

3、使用Hive的原因

（1）簡單、容易上手

（2）為超大資料集設計的一個計算/儲存擴充套件能力

（3）提供了統一的元資料管理：

　　Hive資料是存放在HDFS（普通的文字）上

　　元資料資訊（記錄資料[HDFS上的資料]的資料[描述HDFS的資料]）是存放在MySQL中。

　　SQL on Hadoop 提供的框架：Hive、SparkSQL、impala....（因為有統一的元資料管理，使用的框架可以任意更換，方便Hive上的作業移植到其他平臺中）

4、Hive在Hadoop生態系統中的位置

（1）Hive是構建在Hadoop之上的資料倉庫，資料是存放在HDFS上的。

（2）當作業執行，即一個sql經過Hive，會自動翻譯成MapRrduce作業，然後作業提交給YARN執行。然後不用擔心MapRrduce到底是怎麼實現了。