一、Hive介紹

hive: 由 Facebook 開源用于解決海量結(jié)構(gòu)化日志的數(shù)據(jù)統(tǒng)計工具。

Hive 是基于 Hadoop 的一個數(shù)據(jù)倉庫工具，可以將結(jié)構(gòu)化的數(shù)據(jù)文件映射為一張表，并提供類 SQL 查詢功能。

Hive的優(yōu)缺點

優(yōu)點:

• 類似于SQL語句，簡單學習易上手
• 避免了去寫 MapReduce，減少開發(fā)人員的學習成本
• Hive 的執(zhí)行延遲比較高，因此 Hive 常用于數(shù)據(jù)分析，對實時性要求不高的場合
• Hive 優(yōu)勢在于處理大數(shù)據(jù)，對于處理小數(shù)據(jù)沒有優(yōu)勢，因為 Hive 的執(zhí)行延遲比較高
• Hive 支持用戶自定義函數(shù)，用戶可以根據(jù)自己的需求來實現(xiàn)自己的函數(shù)

缺點:

• Hive 的 HQL 表達能力有限
• Hive 的效率比較低
• Hive本質(zhì)是一個MR

Hive架構(gòu)

Hive用戶接口

• Hive CLI(Hive Command Line) Hive的命令行
• HWI(Hive Web Interface) HiveWeb接口
• Hive提供了Thrift服務，也就是Hiveserver。

Hive元數(shù)據(jù)的三種存儲模式

• 單用戶模式 : Hive安裝時，默認使用的是Derby數(shù)據(jù)庫存儲元數(shù)據(jù)，這樣不能并發(fā)調(diào)用Hive。
• 多用戶模式 : MySQL服務器存儲元數(shù)據(jù)
• 遠程服務器模式 : 啟動MetaStoreServer

Hive數(shù)據(jù)存儲

Hive數(shù)據(jù)可區(qū)分為表數(shù)據(jù)和元數(shù)據(jù),表數(shù)據(jù)我們都知道是表中的數(shù)據(jù)，而元數(shù)據(jù)是用來存儲表的名字、列、表分區(qū)以及屬性

Hive是基于Hadoop分布式文件存儲的，它的數(shù)據(jù)存儲在HDFS中。現(xiàn)在我們介紹Hive中常見的數(shù)據(jù)導入方式

• 本地文件系統(tǒng)中導入數(shù)據(jù)到Hive
• 從HDFS上導入數(shù)據(jù)到Hive表
• 從其他表中查詢出相應的數(shù)據(jù)并導入Hive表中
• 在創(chuàng)建表的時候通過從其他表中查詢出相應的記錄并插入到所創(chuàng)建的表中

#1.演示從本地裝載數(shù)據(jù)到hive
#1.1創(chuàng)建表
create table student(id string, name string) 
row format delimited fields terminated by '\t';
#1.2加載本地的文件到hive
 load data local inpath 
'/root/student.txt' into table default.student; #default.test 數(shù)據(jù)庫.表名 也可直接表名
#2.演示加載HDFS文件到hive中
#2.1 將文件上傳到HDFS根目錄
dfs -put /root/student.txt /;
#2.2加載HDFS上的數(shù)據(jù)
load data inpath '/student.txt' into table test.student;
#3.加載數(shù)據(jù)覆蓋表中原有的數(shù)據(jù)
#3.1上傳文件到HDFS中
dfs -put /root/student.txt /;  #將文件裝載到表下 文件就相當于Windows中的剪切操作
#3.2加載數(shù)據(jù)覆蓋表中原有數(shù)據(jù)
load data inpath '/student.txt' overwrite into table test.student;
#4.查詢表
select * from student;

#通過查詢語句向表中插入數(shù)據(jù)(insert)
#1.1創(chuàng)建表
create table student_par(id int,name String)
row format delimited fields terminated by '\t';
#1.2通過insert插入數(shù)據(jù)
insert into table student_par values(1,'zhangsan'),(2,'lisi');

架構(gòu)原理

用戶接口

CLI（command-line interface）、JDBC/ODBC(jdbc 訪問 hive)、WEBUI（瀏覽器訪問 hive）

元數(shù)據(jù)

元數(shù)據(jù)包括：表名、表所屬的數(shù)據(jù)庫（默認是 default）、表的擁有者、列/分區(qū)字段、表的類型（是否是外部表）、表的數(shù)據(jù)所在目錄等

Hadoop

使用 HDFS 進行存儲，使用 MapReduce 進行計算。

驅(qū)動器：Driver

（1）解析器（SQL Parser）：將 SQL 字符串轉(zhuǎn)換成抽象語法樹 AST，這一步一般都用第三方工具庫完成，比如 antlr；對 AST 進行語法分析，比如表是否存在、字段是否存在、SQL語義是否有誤。
（2）編譯器（Physical Plan）：將 AST 編譯生成邏輯執(zhí)行計劃。
（3）優(yōu)化器（Query Optimizer）：對邏輯執(zhí)行計劃進行優(yōu)化。
（4）執(zhí)行器（Execution）：把邏輯執(zhí)行計劃轉(zhuǎn)換成可以運行的物理計劃。對于 Hive 來說，就是 MR/Spark。

Hive文件格式

• TextFile

這是默認的文件格式。數(shù)據(jù)不會壓縮處理，磁盤開銷大，數(shù)據(jù)解析開銷也大。
SequenceFile
這是HadooAPI提供的一種二進制文件支持，以二進制的形式序列化到文件中。

• RCFile

這種格式是行列存儲結(jié)構(gòu)的存儲方式。

• ORC

Optimized Row Columnar ORC文件格式是一種Hadoop生態(tài)圈中的列式存儲格式。

ORC的優(yōu)勢:

• 列示存儲，有多種文件壓縮方式
• 文件是可分割的。
• 提供了多種索引
• 可以支持復雜的數(shù)據(jù)結(jié)構(gòu) 比如Map

ORC文件格式是以二進制方式存儲的，所以是不可直接讀取的。

Hive本質(zhì)

將HQL轉(zhuǎn)換成MapReduce程序。

• Hive處理的數(shù)據(jù)存儲在HDFS上
• Hive分析數(shù)據(jù)底層的實現(xiàn)是MapReduce
• 執(zhí)行程序運行在Yarn上

Hive工作原理

簡單來說Hive就是一個查詢引擎。當Hive接受到一條SQL語句會執(zhí)行如下操作:

• 詞法分析和語法分析。使用antlr將SQL語句解析成抽象語法樹
• 語義分析。從MetaStore中獲取元數(shù)據(jù)信息，解釋SQL語句中的表名、列名、數(shù)據(jù)類型
• 邏輯計劃生成。生成邏輯計劃得到算子樹
• 邏輯計劃優(yōu)化。對算子樹進行優(yōu)化
• 物理計劃生成。將邏輯計劃生成出的MapReduce任務組成的DAG的物理計劃
• 物理計劃執(zhí)行。將DAG發(fā)送到Hadoop集群進行執(zhí)行
• 將查詢結(jié)果返回。

Hive展現(xiàn)的MapReduce任務設(shè)計到組件有:

• 元存儲 : 該組件存儲了Hive中表的信息，其中包括了表、表的分區(qū)、模式、列及其類型、表映射關(guān)系等
• 驅(qū)動 : 控制HiveQL生命周期的組件
• 查詢編輯器
• 執(zhí)行引擎
• Hive服務器
• 客戶端組件 提供命令行接口Hive CLI、Web UI、JDBC驅(qū)動等

Hive數(shù)據(jù)類型

Hive支持兩種數(shù)據(jù)類型，一種原子數(shù)據(jù)類型、還有一種叫復雜數(shù)據(jù)類型。

Hive類型中的String數(shù)據(jù)類型類似于MySQL中的VARCHAR。該類型是一個可變的字符串。

Hive支持數(shù)據(jù)類型轉(zhuǎn)換，Hive是用Java編寫的，所以數(shù)據(jù)類型轉(zhuǎn)換規(guī)則遵循Java ：

隱式轉(zhuǎn)換 --> 小轉(zhuǎn)大

強制轉(zhuǎn)換 --> 大傳小

到此這篇關(guān)于一文了解Hive是什么的文章就介紹到這了,更多相關(guān)Hive是什么內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論