扫一扫hive的使用场景及其原理
来源：未知 时间：2018-21-25 浏览次数：323次
HIVE的使用场景及其原理，在大数据处理中HIVE占有很重要的地位，呢么hive到底适合在什么场景使用个，以及如何使用呢？Hive是建立在Hadoop (HDFS/MR)上的用于管理和查询结果化/非结构化的数据仓库;一种可以存储、查询和分析存储在Hadoop 中的大规模数据的机制;Hive 定义了简单的类SQL 查询语言，称为HQL，它允许熟悉SQL 的用户查询数据;允许用Java开发自定义的函数UDF来处理内置无法完成的复杂的分析工作;Hive没有专门的数据格式(分隔符等可以自己灵活的设定);
一、使用场景
Hive不适用于在线事务处理。 它最适用于传统的数据仓库任务,Hive的执行延迟比较高，因为hive常用于数据分析的，对实时性要求不高;Hive优势在于处理大数据，对于处理小数据没有优势，因为hive的执行延迟比较高。
二，hive安装及使用
1 Execute Query
1 Execute Query
Hive接口，如命令行或Web UI发送查询驱动程序(任何数据库驱动程序，如JDBC，ODBC等)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(任何数据库)。
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，并重新发送计划给驱动程序。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
与此同时，在执行时，执行引擎可以通过Metastore执行元数据操作。
8 Fetch Result
执行引擎接收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 Results
驱动程序将结果发送给Hive接口。Hadoop中实际应用，通过上面流程解释，要想在hadoop中使用hive,至少需要安装hive和Metastore(任何数据库)本文安装mysql 。
三、mysql安装
在hive中mysql作为hive元数据存储引擎，下载linux环境下的mysql安装包，并安装，hive的数据存储分为两部分，一部分是基础数据存储在hadoop分布式文件系统hdfs中，另一部分是元数据及hive表，数据库结构存储在关系型数据库中，如mysql等
在hive中mysql作为hive元数据存储引擎，下载linux环境下的mysql安装包，并安装，hive的数据存储分为两部分，一部分是基础数据存储在hadoop分布式文件系统hdfs中，另一部分是元数据及hive表，数据库结构存储在关系型数据库中，如mysql等
- 上一篇: 农业大数据应用经典案例
- 下一篇: hive数据同步工具Sqoop的使用