hive是基于hadoop的數倉解決方案。簡單來說hive就是在hadoop上接了一個sql接口。将sql翻譯成mapreduce程式去執行，節約成本。
hive架構圖：
如圖中所示，hive通過給使用者提供的一系列互動接口，接收到使用者的指令(sql)，使用自己的driver，結合中繼資料(metastore)，将這些指令翻譯成mapreduce，送出到hadoop中執行，最後，将執行傳回的結果輸出到使用者互動接口。
hive元件包括ui元件、driver元件（complier,optimizer和executor）、metastore元件、cli（command line interface, 指令行接口）、jdbc/odbc、thrift server和hive web interface（hwi）等。
driver元件：核心元件，整個hive的核心，該元件包括complier(編譯)、optimizer（優化器）和executor（執行器）,它們的作用是對hive sql語句進行解析、編譯優化，生成執行計劃，然後調用底層的mapreduce計算架構。
metastore元件：中繼資料服務元件，這個元件存儲hive的中繼資料。hive的中繼資料存儲在關系資料庫裡，hive支援的關系資料庫有derby和mysql。預設情況下，hive中繼資料儲存在内嵌的derby資料庫中，隻能允許一個會話連結，隻适合簡單的測試。實際生産中不适用，為了支援多使用者會話，需要一個獨立的中繼資料庫（如mysql），hive内部對mysql提供了很好的支援。
cli：指令行接口。
thrift server：提供jdbc和odbc接入的能力，用來進行可擴充且跨語言 的服務開發。hive內建了該服務，能讓不同的程式設計 語言調用hive的接口。
hive web interface（hwi）：hive用戶端提供了一個通過網頁方式通路hive所提供的服務，這個接口對應hive的hwi元件。
在使用過程中，隻需要将hive看做是一個資料庫就行，本身hive也具備了資料庫的很多特性和功能。
hive可以使用hql(hive sql)很友善的完成對海量資料的統計彙總，即席查詢和分析，除了很多内置的函數，還支援開發人員使用其他程式設計語言和腳本語言來自定義函數。
但是，由于hadoop本身是一個批處理，高延遲的計算架構，hive使用hadoop作為執行引擎，自然也就有了批處理，高延遲的特點，在資料量很小的時候，hive執行也需要消耗較長時間來完成，這時候，就顯示不出它與oracle，mysql等傳統資料庫的優勢。hive不能提供資料排序和查詢緩存功能，也不提供線上事務處理、更不提供實時的查詢和記錄級的更新，但它能很好的處理不變的大規模資料集，當然這是 和其根植于hadoop近似線性的可擴充性分不開的。
此外，hive對事物的支援不夠好，原因是hdfs本身就設計為一次寫入，多次讀取的分布式存儲系統，是以，不能使用hive來完成諸如delete、update等線上事務處理的需求。
是以，hive擅長的是非實時的、離線的、對響應及時性要求不高的海量資料批量計算，即席查詢，統計分析。
資料單元：
databases：資料庫。概念等同于關系型資料庫的schema，不多解釋；
tables：表。概念等同于關系型資料庫的表，不多解釋；
partitions：分區。概念類似于關系型資料庫的表分區，沒有那麼多分區類型，隻支援固定分區，将同一組資料存放至一個固定的分區中。
buckets (or clusters):分桶。同一個分區内的資料還可以細分，将相同的key再劃分至一個桶中，這個有點類似于hash分區，隻不過這裡是hash分桶，也有點類似子分區吧。
原始資料類型：
整型
tinyint — 微整型，隻占用1個位元組，隻能存儲0-255的整數。
smallint– 小整型，占用2個位元組，存儲範圍–32768 到 32767。
int– 整型，占用4個位元組，存儲範圍-2147483648到2147483647。
bigint– 長整型，占用8個位元組，存儲範圍-263到263-1。
布爾型
boolean — true/false
浮點型
float– 單精度浮點數。
double– 雙精度浮點數。
字元串型
string– 不設定長度。
複合資料類型：
structs：一組由任意資料類型組成的結構。比如，定義一個字段c的類型為struct {a int; b string}，則可以使用a和c.b來擷取其中的元素值；
maps：和java中的map沒什麼差別，就是存儲k-v對的；
arrays：數組；
hivesql:
hive sql是hive使用者使用hive的主要工具。hive sql是類似于ansi sql标準的sql語言，但兩者又不完全相同。hive sql和mysql的sql方言最為接近，但兩者之前也存在顯著差異，比如hive不支援行級資料插入、更新和删除，也不支援事務等。
hive資料庫：hive中的資料庫從本質上來說僅僅是一個目錄或命名空間，但是對于具有很多使用者群組的叢集來說，這個概念非常有用。首先，這樣可以避免表命名沖突；其次，它等同于資料型資料庫在的資料庫概念呢，是一組表或表的邏輯組，非常容易了解。
hive表：hive中的表（table）和關系資料庫中的table在概念上是類似的，每個table在hive在都有一個對應的目錄存儲資料，如果麼有指定表的資料庫，那麼hive會通過{hive_home}/conf/hive-site.xml配置檔案中的hive.metastore.warehouse.dir屬性來使用預設值（一般是 /user/hive/warehouse, 也可以根據實際的情況來修改這個配置），所有的table資料（不包括外部表）都儲存在這個目錄。
hive分為兩類，即内部表和外部表。所謂内部表（managed table）即hive管理的表，hive内部表的管理既包含邏輯以及文法上的，也包含實際實體意義上的，即建立hive内部表時，資料将真實存在于表所在的目錄内，删除内部表時，實體資料和檔案也一并删除。外部表（external table ）則不然,其管理僅僅是在邏輯和文法意義上的，即建立表僅僅是指向一個外部目錄而已。同樣，删除時也不實體删除外部目錄，而僅僅是将引用和定義删除。
分區和桶：hive 将表劃分為分區（partition）,partition根據分區字段進行。分區可以讓資料的部分查詢變得更快。表或者分區可以進一步被劃分為桶（bucket）。桶通常在原始資料中加入一些額外的結構，這些結構可以用于高效查詢。例如，基于使用者id的分桶可以使用基于使用者的查詢非常快。
分區：假設日志資料中，每條記錄都帶有時間戳。如果根據時間來分區，那麼同一天的資料将被劃分到同一個分區中。針對某一天或某幾天資料的查詢将會變得很高效，因為隻需要掃描對應分區的檔案。分區并不會導緻跨度的的查詢變得低效。
https://www.jianshu.com/p/199cb5b76692