与hadoop兼容的

Hadoop

简介

• Hadoop是一个开源框架来存储和处理大型数据在分布式环境中。包含两个模块，一个是MapReduce，另一个是Hadoop分布式文件系统（HDFS）。

• MapReduce：是一种并行编程模型，在大型集群普通硬件可用于处理大型结构化，半结构化和非结构化数据。
• HDFS：Hadoop分布式文件系统是Hadoop框架的一部分，用于存储和处理数据集。提供了一个容错文件系统在普通硬件上运行。

• Hadoop生态系统包含了用于协助Hadoop的不同的子项目模块，如Sqoop，Pig和Hive。

• Sqoop：用来在HDFS和RDBMS之间来回导入和导出数据。
• Pig：用于开发MapReduce操作的脚本程序语言的平台。
• Hive：用于开发SQL类型脚本，用于做MapReduce操作的平台。

• 有多重方法来执行MapReduce作业：

• 传统的方法是使用Java MapReduce程序结构化，半结构化和非结构化数据。
• 针对MapReduce的脚本的方式，使用Pig来处理结构化和半结构化数据。
• Hive查询语言（HiveQL或HQL）采用Hive为MapReduce的处理结构化数据。

Hive简介

• 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。
• Hive特点

• 它存储架构在一个数据库中并处理数据到HDFS；
• 专为OLAP设计；
• 提供SQL类型语言查询叫HiveQL或HQL；
• 是熟知，快速，可扩展的。

Hive架构

架构图

架构中的每个单元

• 用户接口/界面：Hive是一个数据仓库基础工具软件，可以创建用户和HDFS之间的互动。用户界面，Hive支持Hive的Web UI，Hive命令行，HiveHD洞察（？）。
• 元存储（Meta Store）：Hive选择各自的数据库服务器，用以存储表、数据库、列模式或元数据表，他们的数据类型和HDFS映射。
• HiveQL处理引擎（Hive QL Process Engine）：HiveQL类似于SQL的查询上Metastore模式信息。这是传统的方式进行MapReduce程序的替代品之一。相反，使用Java编写的MapReduce程序，可以编写为MapReduce工作，并处理它的查询。
• 执行引擎（Execution Engine）：HiveQL处理引擎和MapReduce的结合部分是Hive执行引擎。执行引擎处理查询并产生结果和MapReduce的结果一样，采用MapReduce方法。
• HDFS或HBASE：Hadoop的分布式文件系统或者HBASE数据存储技术是用于将数据存储到文件系统。

Hive工作原理

Hive和Hadoop之间的工作流程

Hive与Hadoop框架的交互方式

1、Execute Query：Hive接口，如命令行或Web UI发送传驱动程序（如JDBC，ODBC等数据库驱动程序）来执行；
2、Get Plan：在驱动程序帮助下查询编译器，分析查询检查语法和查询计划或查询的要求；
3、Get Metadata：编译器发送元数据请求到Metastore；
4、Send Metadata：Metastore发送元数据，以编译器的响应；
5、Send Plan：编译器检查要求，并重新发送计划到驱动程序。到此为止，查询解析和编译完成；
6、Execute Plan：驱动程序发送的执行计划到执行引擎；
7、Execute Job：在内部，执行作业的过程是一个MapReduce工作。执行引擎发送作业给JobTracker，在名称节点并把它分配作业到TaskTracker，这是在数据节点。在这里，查询执行MapReduce工作；
7.1、Metadata Ops：在执行时，执行引擎可以通过Metastore执行元数据操作；
8、Fetch Result：执行引擎接受来自数据节点的结果；
9、Send Results：执行引擎发送这些结果值给驱动程序；
10、Send Resulks：驱动程序将结果发送给Hive接口。