一、基本概念
1）建立在Hadoop上的数据仓库基础架构。它提供一系列工具，可以用来进行数据提取转化加载（ETL），这是一种可以存储、查询、分析存储在Hadoop中的大规模数据的机制。定义简单的类SQL查询语言称为QL，允许熟悉SQL的用户查询数据。
2）Hive是SQL解析引擎，它将SQL语句转译成M/R Job，然后在Hadoop执行。
3）Hive的表其实是HDFS的目录/文件，按照表名把文件夹分开；如果要分区表，则分区值是子文件夹，可以直接在M/R Job里使用这些数据
4） Hive 使用hdfs数据存储；提供类似SQL语言（HQL），能够将用户编写的QL转化为相应的Mapreduce程序基于Hadoop执行。类似的系统： yahoo的 pig
二、Hive架构
Hive 的结构可以分为以下几部分：
1）用户接口：包括 CLI, Client, WUI
——Cli 启动的时候，会同时启动一个 Hive 副本
——Client 是 Hive 的客户端，用户连接至 Hive Server，在启动 Client 模式的时候，需要指出 Hive Server 所在节点，并且在该节点启动 Hive Server
2）元数据存储。通常是存储在关系数据库如 mysql, derby 中。 Hive的默认数据库为Derby
——Hive 中的元数据包括表的名字，表的列和分区及其属性，表的属性（是否为外部表等），表的数据所在目录等
3）解释器、编译器、优化器、执行器
——生成 HQL 查询语句从词法分析、语法分析、编译、优化以及查询计划的生成。生成的查询计划存储在 HDFS 中，并在随后有 MapReduce 调用执行
4）Hadoop：用 HDFS 进行存储，利用 MapReduce 进行计算
——大部分的查询由 MapReduce 完成（包含 * 的查询，比如 select * from tbl 不会生成 MapRedcue 任务）
三、Hive和Hadoop关系
Hive 构建在 Hadoop 之上，
1）HQL 中对查询语句的解释、优化、生成查询计划是由 Hive 完成的
2）所有的数据都是存储在 Hadoop 中
3）查询计划被转化为 MapReduce 任务，在 Hadoop 中执行（有些查询没有 MR 任务，如：select * from table）
4）Hadoop和Hive都是用UTF-8编码的
四、Hive和普通关系数据库的区别
| Hive | RDBMS |
查询语言 | HQL | SQL |
数据存储 | HDFS | Raw Device or Local FS （设备或者本地文件系统中） |
索引 | 无 | 有 |
执行 | MapReduce | Excutor |
执行延迟 | 高 | 低 |
处理数据规模 | 大 | 小 |
五、Hive元数据库
Hive 将元数据存储在 RDBMS 中,一般常用的有MYSQL和DERBY,存放元数据的Derby数据库迁移到Mysql数据库
六、Hive数据存储
1）Hive 没有专门的数据存储格式，也没有为数据建立索引，用户可以非常自由的组织 Hive 中的表，只需要在创建表的时候告诉 Hive 数据中的列分隔符和行分隔符，Hive 就可以解析数据。
2）Hive 中所有的数据都存储在 HDFS 中，Hive 中包含以下数据模型：Table，External Table，Partition，Bucket。
——Hive 中的 Table 在 Hive 中都有一个相应的目录存储数据。例如，一个表 t_order，它在 HDFS 中的路径为：/ warehouse /t_order
——Partition 对应于数据库中的 Partition 列的密集索引，Hive 中 Partition 的组织方式和数据库中的很不相同，在 Hive 中，表中的一个 Partition 对应于表下的一个目录，所有的 Partition 的数据都存储在对应的目录中。
参考资料：
http://wenku.baidu.com/view/91d1db3887c24028915fc352.html?re=view
http://wenku.baidu.com/view/4bb0332a3169a4517723a3f5.html
