1. Hive是什麽

Hive是基於Hadoop的數據倉庫解決方案。由於Hadoop本身在數據存儲和計算方面有很好的可擴展性和高容錯性，因此使用Hive構建的數據倉庫也秉承了這些特性。

這是來自官方的解釋。

簡單來說，Hive就是在Hadoop上架了一層SQL接口，可以將SQL翻譯成MapReduce去Hadoop上執行，這樣就使得數據開發和分析人員很方便的使用SQL來完成海量數據的統計和分析，而不必使用編程語言開發MapReduce那麽麻煩。

先上一張經典的Hive架構圖：

Hive架構圖

如圖中所示，Hive通過給用戶提供的一系列交互接口，接收到用戶的指令(SQL)，使用自己的Driver，結合元數據(MetaStore)，將這些指令翻譯成MapReduce，提交到Hadoop中執行，最後，將執行返回的結果輸出到用戶交互接口。
在使用過程中，至需要將Hive看做是一個數據庫就行，本身Hive也具備了數據庫的很多特性和功能。

2. Hive擅長什麽

Hive可以使用HQL(Hive SQL)很方便的完成對海量數據的統計匯總，即查詢和分析，除了很多內置的函數，還支持開發人員使用其他編程語言和腳本語言來自定義函數。

但是，由於Hadoop本身是一個批處理，高延遲的計算框架，Hive使用Hadoop作為執行引擎，自然也就有了批處理，高延遲的特點，在數據量很小的時候，Hive執行也需要消耗較長時間來完成，這時候，就顯示不出它與Oracle，Mysql等傳統數據庫的優勢。

此外，Hive對事務的支持不夠好，原因是HDFS本身就設計為一次寫入，多次讀取的分布式存儲系統，因此，不能使用Hive來完成諸如DELETE、UPDATE等在線事務處理的需求。

因此，Hive擅長的是非實時的、離線的、對響應及時性要求不高的海量數據批量計算，即席查詢，統計分析。

3. Hive的數據單元

• Databases：數據庫。概念等同於關系型數據庫的Schema；
• Tables：表。概念等同於關系型數據庫的表；
• Partitions：分區。概念類似於關系型數據庫的表分區，沒有那麽多分區類型，只支持固定分區，將同一組數據存放至一個固定的分區中。
• Buckets (or Clusters):分桶。同一個分區內的數據還可以細分，將相同的KEY再劃分至一個桶中，這個有點類似於HASH分區，只不過這裏是HASH分桶，也有點類似子分區吧。

4. Hive的數據類型

既然是被當做數據庫來使用，除了數據單元，Hive當然也得有一些列的數據類型。

4.1 原始數據類型

• 整型
  • TINYINT — 微整型，只占用1個字節，只能存儲0-255的整數。
  • SMALLINT– 小整型，占用2個字節，存儲範圍–32768 到 32767。
  • INT– 整型，占用4個字節，存儲範圍-2147483648到2147483647。
  • BIGINT– 長整型，占用8個字節，存儲範圍-2^63到2^63-1。
• 布爾型
  • BOOLEAN — TRUE/FALSE
• 浮點型
  • FLOAT– 單精度浮點數。
  • DOUBLE– 雙精度浮點數。
• 字符串型
  • STRING– 不設定長度。

4.2 復合數據類型

• Structs：一組由任意數據類型組成的結構。比如，定義一個字段C的類型為STRUCT {a INT; b STRING}，則可以使用a和C.b來獲取其中的元素值；
• Maps：和Java中的Map沒什麽區別，就是存儲K-V對的；
• Arrays：就是數組而已；

轉自：http://lxw1234.com/archives/2015/06/238.htm

hive基礎