Hive是一箇中間工具。它的主要作用是將HQL(Hive Query Language）轉換爲一系列的MapReduce Job，利用Hadoop框架對數據進行類SQL處理。他的主要功能是在Hadoop框架上提供一個類SQL中間層，簡化在Hadoop框架上實現SQL功能程序的編寫。
1) 首先，Hive需要提供一種功能，將待處理的數據加載到HDFS當中。之所以要提供這種功能，是因爲，Hadoop想要充分發揮其分佈式特性，就需要底層分佈式文件系統HDFS的支持。因此，只有將數據保存在HDFS當中才能充分發揮Hadoop的優勢。
2) 其次，Hive將數據加載到HDFS之後，需要提供對數據進行組織管理的功能。如果不提供數據的組織管理功能，那麼其跟HDFS存儲文件沒有區別。3) 第三，Hive提供將HQL（Hive Query Lanuage）轉化成MapReduce Job的功能。
二、Hive數據組織
1:元數據
Hive在邏輯上將數據組織爲表的形式（因爲，Hive在數據加載並不進行數據檢驗，這就要求用戶寫入的數據確實符合用戶想要的表結構）。既然是表結構，那麼就需要定義的表的模式（即Schema）。Hive同樣需要Schema，但是與數據文件不同的是，Hive將Schema存儲在metastore當中，metastore爲關係型數據庫（RDBMS）。之所以採用RDBMS作爲schema的存儲，主要是爲了加快schema的存取速度，減少延遲。
2:數據文件
對於數據文件的存儲。最簡單的方法，數據直接以文件的格式存放在Hadoop的文件系統當中，包括（HDFS、amazon’s s3、local file system等）。但是爲了加快數據存取速度，Hive採用了一些技巧加強對數據組織、存放的管理。
3:分區
Hive可以對數據按照某列或者某些列進行分區管理，所謂分區我們可以拿下面的例子進行解釋。當前互聯網應用每天都要存儲大量的日誌文件，幾G、幾十G甚至更大都是有可能。存儲日誌，其中必然有個屬性是日誌產生的日期。在產生分區時，就可以按照日誌產生的日期列進行劃分。把每一天的日誌當作一個分區。
將數據組織成分區，主要可以提高數據的查詢速度。用戶存儲的每一條記錄具體放到哪個分區，由用戶決定。即用戶在加載數據的時候必須顯示的指定該部分數據放到哪個分區。
4:桶
對於每一個表（table）或者分區，Hive可以進一步組織成桶。Hive也是針對某一列進行桶的組織。Hive採用對列值哈希，然後除以桶的個數求餘的方式決定該條記錄存放在哪個桶當中。採用桶能夠帶來一些好處，比如JOIN操作。對於JOIN操作兩個表有一個相同的列，如果對這兩個表都進行了桶操作。那麼將保存相同列值的桶進行JOIN操作就可以，可以大大較少JOIN的數據量。