Hive这个框架在Hadoop的生态体系结构中占有及其重要的地位，在实际的业务当中用的也非常多，可以说Hadoop之所以这么流行在很大程度上是因为Hive的存在。
Hive的优势主要体现在：
①Hive支持标准的SQL语法， 免去了用户编写MapReduce程序的过程，大大减少了公司的开发成本
②Hive的出现可以让那些精通SQL技能、 但是不熟悉MapReduce 、编程能力较弱与不擅长 java 语言的用户能够在 hdfs 大规模数据集上很方便地利用SQL 语言查询、汇总、分析数据，毕竟精通SQL语言的人要比精通Java语言的多得多
③Hive是为大数据批量处理而生的， Hive的出现解决了传统的关系型数据库( MySql 、Oracle)在大数据处理上的瓶颈
好了，上面通过一个简单的小业务场景说明了Hive的巨大优势，接下来将进入本篇文章的正题。
一：Hive体系结构(架构)的介绍
1、Hive的概念：
①Hive是为了简化用户编写MapReduce程序而生成的一种框架，使用MapReduce做过数据分析的人都知道，很多分析程序除业务逻辑不同外，程序流程基本一样。在这种情况下，就需要Hive这样的用户编程接口。Hive提供了一套类SQL的查询语言，称为QL，而在创造Hive框架的过程中之所以使用SQL实现Hive是因为大家对SQL语言非常的熟悉，转换成本低，可以大大普及我们Hadoop用户使用的范围，类似作用的Pig就不是通过SQL实现的。
Hive是基于Hadoop的一个开源数据仓库系统，可以将结构化的数据文件映射为一张数据库表，并提供完整的sql查询功能，Hive可以把SQL中的表、字段转换为HDFS中的目录、文件。
②Hive是建立在Hadoop之上的数据仓库基础构架、是为了减少MapReduce编写工作的批处理系统，Hive本身不存储和计算数据，它完全依赖于HDFS和MapReduce。Hive可以理解为一个客户端工具，将我们的sql操作转换为相应的MapReduce jobs，然后在Hadoop上面运行。
在开始为大家列举的consumer.txt小业务当中，从编写Sql到最后得出Beijing 3的分析结果实际上中间走的是MapReduce程序， 只不过这个MapReduce程序不用用户自己编写，而是由Hive这个客户端工具将我们的sql操作转化为了相应的MapReduce程序，下面是我们运行sql命令时显示的相关日志：
hive> select city,count(*) > from t4 > where city='beijing' > group by city; Total MapReduce jobs = 1 Launching Job 1 out of 1 number of reduce tasks not specified. Estimated from input data size: 1 In order to change the average load for a reducer (in bytes): set hive.exec.reducers.bytes.per.reducer=<number> In order to limit the maximum number of reducers: set hive.exec.reducers.max=<number> In order to set a constant number of reducers: set mapred.reduce.tasks=<number> Starting Job = job_1478233923484_0902, Tracking URL = 从日志可以看出，Hive将我们的sql命令解析成了相应的MapReduce任务，最后得到了我们的分析结果。
③Hive可以认为是MapReduce的一个封装、包装。Hive的意义就是在业务分析中将用户容易编写、会写的Sql语言转换为复杂难写的MapReduce程序，从而大大降低了Hadoop学习的门槛，让更多的用户可以利用Hadoop进行数据挖掘分析。
为了让大家容易理解Hive的实质——-“Hive就是一个SQL解析引擎，将SQL语句转化为相应的MapReduce程序”这句话，博主用一个图示进行示例：
从图示可以看出，Hive从某种程度上讲就是很多“SQL—MapReduce”框架的一个封装，可以将用户编写的Sql语言解析成对应的MapReduce程序，最终通过MapReduce运算框架形成运算结果提交给Client。
2、Hive体系结构的介绍
下面是Hive的体系结构图：
Hive的体系结构可以分为以下几个部分：
①用户接口： 包括shell命令、Jdbc/Odbc和WebUi，其中最常用的是shell这个客户端方式对Hive进行相应操作
②Hive解析器(驱动Driver)： Hive解析器的核心功能就是根据用户编写的Sql语法匹配出相应的MapReduce模板，形成对应的MapReduce job进行执行。
③Hive元数据库(MetaStore)： Hive将表中的元数据信息存储在数据库中，如derby(自带的)、Mysql(实际工作中配置的)，Hive中的元数据信息包括表的名字、表的列和分区、表的属性(是否为外部表等)、表的数据所在的目录等。Hive中的解析器在运行的时候会读取元数据库MetaStore中的相关信息。
在这里和大家说一下为什么我们在实际业务当中不用Hive自带的数据库derby，而要重新为其配置一个新的数据库Mysql，是因为derby这个数据库具有很大的局限性：derby这个数据库不允许用户打开多个客户端对其进行共享操作，只能有一个客户端打开对其进行操作，即同一时刻只能有一个用户使用它，自然这在工作当中是很不方便的，所以我们要重新为其配置一个数据库。
④Hadoop： Hive用HDFS进行存储，用MapReduce进行计算——-Hive这个数据仓库的数据存储在HDFS中，业务实际分析计算是利用MapReduce执行的。
从上面的体系结构中可以看出，在Hadoop的HDFS与MapReduce以及MySql的辅助下，Hive其实就是利用Hive解析器将用户的SQl语句解析成对应的MapReduce程序而已，即Hive仅仅是一个客户端工具，这也是为什么我们在Hive的搭建过程中没有分布与伪分布搭建的原因。(Hive就像是刘邦一样，合理的利用了张良、韩信与萧何的辅助，从而成就了一番大事!)
3、Hive的运行机制
Hive的运行机制如下图所示：
Hive的运行机制正如图所示：创建完表之后，用户只需要根据业务需求编写Sql语句，而后将由Hive框架将Sql语句解析成对应的MapReduce程序，通过MapReduce计算框架运行job，便得到了我们最终的分析结果。
在Hive的运行过程中，用户只需要创建表、导入数据、编写Sql分析语句即可，剩下的过程将由Hive框架自动完成，而创建表、导入数据、编写Sql分析语句其实就是数据库的知识了，Hive的运行过程也说明了为什么Hive的存在大大降低了Hadoop的学习门槛以及为什么Hive在Hadoop家族中占有着那么重要的地位。
二：Hive的操作
Hive的操作对于用户来说实际上就是表的操作、数据库的操作。下面我们将围绕两个方面进行介绍：
1、Hive的基本命令.
启动hive命令行:
$>hive/bin/hive $hive>show databases ; -- 显式数据库 $hive>create database mydb ; -- 创建数据库 $hive>use mydb ; -- 使用库 $hive>create table custs(id int , name string) ; -- 建表 $hive>desc custs ; -- 查看表结构 $hive>desc formatted custs ; -- 查看格式化表结构 $hive>insert into custs(id,name) values(1,'tom'); -- 插入数据，转成mr. $hive>select * from custs ; -- 查询，没有mr $hive>select * from custs order by id desc ; -- 全排序，会生成mr. $hive>exit ; -- 退出终端 查看mysql中的元信息: select * from dbs ; -- 存放库信息 select * from tbls ; -- 存放表信息 2、Hive表——内部表、外部表、分区表的创建
所谓内部表就是普通表，创建语法格式为：
实际操作:
外部表(external table)的创建语法格式为：
注意：最后一行写到的是目录dir，文件就不用写了，Hive表会自动到dir目录下读取所有的文件file
我在实际的操作过程当中发现，location关联到的目录下面必须都是文件，不能含有其余的文件夹，不然读取数据的时候会报错。
实际操作:
内部表与外部表的区别：
- 内部表在加载数据的过程中，实际数据会被移动到数据仓库目录中(hive.metastore.warehouse.dir),之后用户对数据的访问将会直接在数据仓库目录中完成;删除内部表时，内部表中的数据和元数据信息会被同时删除。
- 外部表在加载数据的过程中，实际数据并不会被移动到数据仓库目录中，只是与外部表建立一个链接(相当于文件的快捷方式一样);删除外部表时，仅删除该链接。
补充： 在工作中发现，对于外部表，即使hive中的表删除了，但是在HDFS中表的location仍然存在。
分区表的概念：指的是我们的数据可以分区，即按照某个字段将文件划分为不同的标准，分区表的创建是通过在创建表时启用 partition ed by来实现的。
分区表的创建语法格式为：
注意：分区表在加载数据的过程中要指定分区字段，否则会报错，正确的加载方式如下：
load data local inpath ‘/usr/local/consumer.txt’ into table t1 partition (day=2) ; 其余的操作和内部表、外部表是一样的。
实际操作:
参考2：
CREATE EXTERNAL TABLE `fdm_buffalo_3_5_task_exec_time`( `task_id` int COMMENT '任务id', `task_version` string COMMENT '任务版本', `exec_time` string COMMENT '平均执行时长') PARTITIONED BY ( `dt` string) ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t'; 实际: hive> show create table fdm_buffalo_3_5_task_exec_time; OK CREATE EXTERNAL TABLE `fdm_buffalo_3_5_task_exec_time`( `task_id` int COMMENT '任务id', `task_version` string COMMENT '任务版本', `exec_time` string COMMENT '平均执行时长') PARTITIONED BY ( `dt` string) ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t' STORED AS INPUTFORMAT 'org.apache.hadoop.mapred.TextInputFormat' OUTPUTFORMAT 'org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat' LOCATION 'hdfs://ns5/user/dd_edw/fdm.db/fdm_buffalo_3_5_task_exec_time' TBLPROPERTIES ( 'mart_name'='dd_edw', 'transient_lastDdlTime'='1555384611') Time taken: 0.036 seconds, Fetched: 17 row(s) 3、将数据文件加载(导入)到Hive表中
在Hive中创建完表之后，我们随后自然要向表中导入数据，但是在导入数据的时候和我们的传统数据库(MySql、Oracle)是不同的：Hive不支持一条一条的用insert语句进行插入操作，也不支持update的操作。Hive表中的数据是以load的方式，加载到建立好的表中。数据一旦导入，则不可修改。要么drop掉整个表，要么建立新的表，导入新的数据。
导入数据的语法格式为：
导入数据时要注意一下几点：
导入示例代码：(注意overwrite的用法)
hive> load data local inpath "/home/dd_edw/zmy_project/task_relations.txt" overwrite into table fdm.chevrolet_buffalo_task_recusion_relations partition(dt='2019-05-28'); Loading data to table fdm.chevrolet_buffalo_task_recusion_relations partition (dt=2019-05-28) Moved: 'hdfs://ns5/user/dd_edw/fdm.db/chevrolet_buffalo_task_recusion_relations/dt=2019-05-28/task_relations.txt' to trash at: hdfs://ns5/user/dd_edw/.Trash/Current Moved: 'hdfs://ns5/user/dd_edw/fdm.db/chevrolet_buffalo_task_recusion_relations/dt=2019-05-28/task_relations_copy_1.txt' to trash at: hdfs://ns5/user/dd_edw/.Trash/Current Partition fdm.chevrolet_buffalo_task_recusion_relations{dt=2019-05-28} stats: [numFiles=1, numRows=0, totalSize=272475104, rawDataSize=0] OK Time taken: 3.381 seconds hive> dfs -ls hdfs://ns5/user/dd_edw/fdm.db/chevrolet_buffalo_task_recusion_relations/*/ ; Found 1 items -rwxr-xr-x 3 dd_edw dd_edw 272475104 2019-05-29 20:08 hdfs://ns5/user/dd_edw/fdm.db/chevrolet_buffalo_task_recusion_relations/dt=2019-05-28/task_relations.txt 4、Hive添加分区操作:
正确语句:
hive> ALTER TABLE fdm_buffalo_3_5_task_exec_time ADD IF NOT EXISTS PARTITION (dt='2019-04-15'); OK Time taken: 0.059 seconds 错误语句：
hive> alter table fdm_buffalo_3_5_task_exec_time if not exists add partition (dt='2019-04-15'); NoViableAltException(132@[]) at org.apache.hadoop.hive.ql.parse.HiveParser.alterTableStatementSuffix(HiveParser.java:8170) at org.apache.hadoop.hive.ql.parse.HiveParser.alterStatement(HiveParser.java:7635) at org.apache.hadoop.hive.ql.parse.HiveParser.ddlStatement(HiveParser.java:2798) at org.apache.hadoop.hive.ql.parse.HiveParser.execStatement(HiveParser.java:1731) at org.apache.hadoop.hive.ql.parse.HiveParser.statement(HiveParser.java:1136) at org.apache.hadoop.hive.ql.parse.ParseDriver.parse(ParseDriver.java:202) at org.apache.hadoop.hive.ql.parse.ParseDriver.parse(ParseDriver.java:166) at org.apache.hadoop.hive.ql.Driver.compile(Driver.java:411) at org.apache.hadoop.hive.ql.Driver.compile(Driver.java:320) at org.apache.hadoop.hive.ql.Driver.compileInternal(Driver.java:1372) at org.apache.hadoop.hive.ql.Driver.runInternal(Driver.java:1425) at org.apache.hadoop.hive.ql.Driver.run(Driver.java:1150) at org.apache.hadoop.hive.ql.Driver.run(Driver.java:1093) at org.apache.hadoop.hive.cli.CliDriver.processLocalCmd(CliDriver.java:241) at org.apache.hadoop.hive.cli.CliDriver.processCmd(CliDriver.java:191) at org.apache.hadoop.hive.cli.CliDriver.processLine(CliDriver.java:551) at org.apache.hadoop.hive.cli.CliDriver.executeDriver(CliDriver.java:969) at org.apache.hadoop.hive.cli.CliDriver.run(CliDriver.java:912) at org.apache.hadoop.hive.cli.CliDriver.main(CliDriver.java:824) at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method) at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:57) at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43) at java.lang.reflect.Method.invoke(Method.java:606) at org.apache.hadoop.util.RunJar.run(RunJar.java:221) at org.apache.hadoop.util.RunJar.main(RunJar.java:136) FAILED: ParseException line 1:43 cannot recognize input near 'if' 'not' 'exists' in alter table statement 5、查看某个分区
desc formatted bdm.bdm_dispatch_1_d_task_da partition(dt='2019-07-14'); 三：Hive与Hbase的区别
其实从严格意义上讲，Hive与Hbase就不应该谈区别，谈区别的原因无非就是Hive与Hbase本身都涉及到了表的创建、向表中插入数据等等。所以我们希望找到Hive与Hbase的区别，但是为什么两者谈不上区别呢，原因如下：
- 根据上文分析，Hive从某种程度上讲就是很多“SQL—MapReduce”框架的一个封装，即Hive就是MapReduce的一个封装，Hive的意义就是在业务分析中将用户容易编写、会写的Sql语言转换为复杂难写的MapReduce程序。
- Hbase可以认为是hdfs的一个包装。他的本质是数据存储，是个 NoSql 数据库;hbase部署于hdfs之上，并且克服了hdfs在随机读写方面的缺点。
因此若要问Hive与Hbase之前的区别，就相当于问HDFS与MapReduce之间的区别，而HDFS与MapReduce两者之间谈区别意义并不大。
但是当我们非要谈Hbase与Hive的区别时，可以从以下几个方面进行讨论：
Hive和Hbase是两种基于Hadoop的不同技术–Hive是一种类SQL的引擎，并且运行MapReduce任务，Hbase是一种在Hadoop之上的NoSQL 的Key/vale数据库。当然，这两种工具是可以同时使用的。就像用 Google 来搜索，用 Facebook 进行社交一样，Hive可以用来进行统计查询，HBase可以用来进行实时查询，数据也可以从Hive写到Hbase，设置再从Hbase写回Hive。
Hive适合用来对一段时间内的数据进行分析查询，例如，用来计算趋势或者网站的日志。Hive不应该用来进行实时的查询。因为它需要很长时间才可以返回结果。
Hbase非常适合用来进行大数据的实时查询。Facebook用Hive进行消息和实时的分析。它也可以用来统计Facebook的连接数。
