hive生命周期 hive发展史

转载

小鱼儿 2023-07-28 00:23:35

文章标签 hive生命周期数据库 java 大数据 Hive 文章分类 Hive 大数据

一、Hive的由来：

Hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供简单的sql查询功能，可以将sql语句转换为MapReduce任务进行运行。其优点是学习成本低，可以通过类SQL语句快速实现简单的MapReduce统计，不必开发专门的MapReduce应用，十分适合数据仓库的统计分析。Hive是一个数据仓库基础工具在Hadoop中用来处理结构化数据。它架构在Hadoop之上，总归为大数据，并使得查询和分析方便。

在Hive中，Hive是SQL解析引擎，它将SQL语句转译成M/R Job然后在Hadoop执行。Hive的表其实就是HDFS的目录/文件，按表名把文件夹分开。如果是分区表，则分区值是子文件夹，可以直接在M/RJob里使用这些数据。

最初，Hive是由Facebook开发，后来由Apache软件基金会开发，并作为进一步将它作为名义下ApacheHive为一个开源项目。它用在好多不同的公司。例如，亚马逊使用它在Amazon Elastic、MapReduce。

二、Hive的作用

Hive是什么？

Hive是一个基于HDFS的数据仓库工具
Hive是可以将HQL转化为MapReduce进行数据处理查询的工具

Hive不是什么？

Hive不是一个关系型数据库
Hive不能实时查询和行级更新。

三、Hive与Hadoop的关系

四、Hive的组成

hive生命周期 hive发展史_大数据

• 用户接口：用户访问Hive的入口
主要有三个：CIL（命令行），JDBC/ODBC（java），WebUI（浏览器访问）

•元数据：Hive的用户信息与表的MetaData
Hive将元数据存储在数据库中，目前只支持mysql，derby.
元数据包括：表名字，表的列和分区及其属性，表的数据所在目录。

•解释器，编译器，优化器：分析翻译、编译、优化HQL的组件
完成HQL查询语句从词法分析、语法分析、编译、优化及查询计划的生成。生成的查询计划存储在HDFS中，并随后由MapReduce调用执行。

Hive的数据存储在HDFS中，大部分查询有MapReduce完成。（包含的查询，例如select from不会生成mapreduce任务）

•Metastore
Hive的Metastore组件是Hive元数据集中存放地。Metastore组件包括两个部分：Metastore服务和后台数据的存储。后台数据存储的介质就是关系数据库，例如Hive默认的嵌入式磁盘数据库derby，还有mysql数据库。Metastore服务是建立在后台数据存储介质之上，并且可以和Hive服务进行交互的服务组件，默认情况下，Metastore服务和Hive服务是安装在一起的，运行在同一个进程当中。我也可以把Metastore服务从Hive服务里剥离出来，Metastore独立安装在一个集群里，Hive远程调用Metastore服务，这样我们可以把元数据这一层放到防火墙之后，客户端访问Hive服务，就可以连接到元数据这一层，从而提供了更好的管理性和安全保障。使用远程的Metastore服务，可以让Metastore服务和hive服务运行在不同的进程里，这样也保证了Hive的稳定性，提升了Hive服务的效率。

•Driver
1）Driver调用编译器处理HiveQL字串
2）编译器将HQL转化为策略（plan）
3）策略由元数据操作和HDFS操作组成。元数据操作只包含DDL（create，drop,alter）语句，HDFS操作只包含LOAD语句。
4）对插入和查询而言，策略由map-reduce任务中有向非循环图组成（DAG directed acyclic graph）。