我們接着之前學習的大數據來學習。之前說到了NoSql的HBase數據庫以及Hadoop中的HDFS存儲系統，可是我們發現這跟我們平時常用的關係型數據庫有很大區別，爲了使用方便，產生了針對大數據存儲的數據倉庫Hive。
一、是什麼
1、概念
Hive 是一個基於 Hadoop 的開源數據倉庫工具，用於存儲和處理海量結構化數據。 它把海量數據存儲於 hadoop 文件系統，而不是數據庫，但提供了一套類數據庫的數據存儲和處理機制，並採用 HQL （類 SQL ）語言對這些數據進行自動化管理和處理。我們可以把 Hive 中海量結構化數據看成一個個的表，而實際上這些數據是分佈式存儲在 HDFS 中的。 Hive 經過對語句進行解析和轉換，最終生成一系列基於 hadoop 的 map/reduce 任務，通過執行這些任務完成數據處理。
2、體系結構
- hiveserver
hiveserver啓動方式：hive –service hiveserver
HiveServer支持多種連接方式：Thrift、JDBC、ODBC
- metastore
metastore用來存儲hive的元數據信息(表格、數據庫定義等)，默認情況下是和hive綁定的，部署在同一個JVM中，將元數據存儲到Derby中
這種方式不好的一點是沒有辦法爲一個Hive開啓多個實例(Derby在多個服務實例之間沒有辦法共享)
Hive提供了增強配置，可將數據庫替換成MySql等關係數據庫，將存儲數據獨立出來在多個服務實例之間共享
甚至還可以將metastore Service也獨立出來，部署到其他JVM中去，在通過遠程調用的方式去訪問
3、優缺點
- 優點
可擴展Hive可以自由的擴展集羣的規模，一般情況下不需要重啓服務
延展性Hive支持用戶自定義函數，用戶可以根據自己的需求來實現自己的函數
容錯良好的容錯性，節點出現問題SQL仍可完成執行
- 缺點
不支持記錄級別的更新、插入和刪除操作Hive不是一個完整的數據庫。Hadoop以及hdfs的設計本身約束和侷限性地限制了hive所能勝任的工作。Hive不支持記錄級別的更新、插入和刪除操作。但是用戶可以通過查詢生成新表或者將查詢結果導入到文件中。
查詢延時比較嚴重因爲Hadoop是一個面向批處理的系統，而mapreduce任務（job）的啓動過程需要消耗較長的時間，所以hive查詢延時比較嚴重。傳統數據庫中在秒級可以完成的查詢，在hive中，即時數據集相對較小，往往也需要執行更長的時間。
由於Hadoop本身的時間開銷很大，並且Hadoop所被設計用來處理的數據規模非常大，因此提交查詢和返回結果是可能具有非常大的延時的，所以hive並不能滿足OLAP的“聯機”部分，至少目前並沒有滿足。如果用戶需要對大規模數據使用OLTP功能的話，那麼應該選擇使用一個NOSQL數據庫。例如，和Hadoop結合使用的HBase及Cassandra.
不支持事務 二、相關聯繫
1、與HBase的關係
Hive是基於Hadoop的一個數據倉庫工具，是爲簡化編寫MapReduce程序而生的，Hive十分適合數據倉庫的統計分析。
HBase是一個分佈式的、面向列的開源數據庫，它是一個適合於非結構化數據存儲的數據庫。
2、與RDBMS的關係
總結：
今天我們通過對Hive的學習，對大數據的處理又有了一定的認識。在以後的實際操作中，我們去慢慢掌握Hive的使用方法。通過不斷學習，達到自己所追求的目標。