hive是基于hadoop的一個資料倉庫工具，可以将結構化的資料檔案映射為一張資料庫表，并提供類sql查詢功能。
Ø 直接使用hadoop所面臨的問題
人員學習成本太高
項目周期要求太短
mapreduce實作複雜查詢邏輯開發難度太大
Ø 為什麼要使用hive
操作接口采用類sql文法，提供快速開發的能力。
避免了去寫mapreduce，減少開發人員的學習成本。
功能擴充很友善。
Ø 可擴充
hive可以自由的擴充叢集的規模，一般情況下不需要重新開機服務。
Ø 延展性
hive支援使用者自定義函數，使用者可以根據自己的需求來實作自己的函數。
Ø 容錯
良好的容錯性，節點出現問題sql仍可完成執行。
jobtracker是hadoop1.x中的元件，它的功能相當于： resourcemanager+appmaster
tasktracker 相當于： nodemanager + yarnchild
Ø 使用者接口：包括 cli、jdbc/odbc、webgui。
Ø 中繼資料存儲：通常是存儲在關系資料庫如 mysql , derby中。
Ø 解釋器、編譯器、優化器、執行器。
Ø 使用者接口主要由三個：cli、jdbc/odbc和webgui。其中，cli為shell指令行；jdbc/odbc是hive的java實作，與傳統資料庫jdbc類似；webgui是通過浏覽器通路hive。
Ø 中繼資料存儲：hive将中繼資料存儲在資料庫中。hive 中的中繼資料包括表的名字，表的列和分區及其屬性，表的屬性（是否為外部表等），表的資料所在目錄等。
Ø 解釋器、編譯器、優化器完成 hql 查詢語句從詞法分析、文法分析、編譯、優化以及查詢計劃的生成。生成的查詢計劃存儲在hdfs 中，并在随後有 mapreduce 調用執行。
hive利用hdfs存儲資料，利用mapreduce查詢分析資料
總結：hive具有sql資料庫的外表，但應用場景完全不同，hive隻适合用來做批量資料統計分析
1、 hive中所有的資料都存儲在 hdfs 中，沒有專門的資料存儲格式（可支援text，sequencefile，parquetfile，rcfile等）
sequencefile是hadoop中的一種檔案格式：
檔案内容是以序列化的kv對象來組織的
2、隻需要在建立表的時候告訴 hive 資料中的列分隔符和行分隔符，hive 就可以解析資料。
3、hive 中包含以下資料模型：db、table，external table，partition，bucket。
² db：在hdfs中表現為${hive.metastore.warehouse.dir}目錄下一個檔案夾
² table：在hdfs中表現所屬db目錄下一個檔案夾
² external table：與table類似，不過其資料存放位置可以在任意指定路徑
² partition：在hdfs中表現為table目錄下的子目錄
² bucket：在hdfs中表現為同一個表目錄下根據hash散列之後的多個檔案
<a target="_blank"></a>
1. 查詢語言。由于 sql 被廣泛的應用在資料倉庫中，是以，專門針對 hive 的特性設計了類 sql 的查詢語言 hql。熟悉sql 開發的開發者可以很友善的使用 hive 進行開發。
2. 資料存儲位置。hive 是建立在 hadoop 之上的，所有 hive 的資料都是存儲在 hdfs 中的。而資料庫則可以将資料儲存在塊裝置或者本地檔案系統中。
3. 資料格式。hive 中沒有定義專門的資料格式，資料格式可以由使用者指定，使用者定義資料格式需要指定三個屬性：列分隔符（通常為空格、”\t”、”\x001″）、行分隔符（”\n”）以及讀取檔案資料的方法（hive 中預設有三個檔案格式 textfile，sequencefile 以及 rcfile）。由于在加載資料的過程中，不需要從使用者資料格式到 hive 定義的資料格式的轉換，是以，hive 在加載的過程中不會對資料本身進行任何修改，而隻是将資料内容複制或者移動到相應的 hdfs 目錄中。而在資料庫中，不同的資料庫有不同的存儲引擎，定義了自己的資料格式。所有資料都會按照一定的組織存儲，是以，資料庫加載資料的過程會比較耗時。
4. 資料更新。由于 hive 是針對資料倉庫應用設計的，而資料倉庫的内容是讀多寫少的。是以，hive 中不支援對資料的改寫和添加，所有的資料都是在加載的時候中确定好的。而資料庫中的資料通常是需要經常進行修改的，是以可以使用 insert into ... values 添加資料，使用 update... set 修改資料。
5. 索引。之前已經說過，hive 在加載資料的過程中不會對資料進行任何處理，甚至不會對資料進行掃描，是以也沒有對資料中的某些 key 建立索引。hive 要通路資料中滿足條件的特定值時，需要暴力掃描整個資料，是以通路延遲較高。由于 mapreduce 的引入， hive 可以并行通路資料，是以即使沒有索引，對于大資料量的通路，hive 仍然可以展現出優勢。資料庫中，通常會針對一個或者幾個列建立索引，是以對于少量的特定條件的資料的通路，資料庫可以有很高的效率，較低的延遲。由于資料的通路延遲較高，決定了 hive 不适合線上資料查詢。
6. 執行。hive 中大多數查詢的執行是通過 hadoop 提供的 mapreduce 來實作的，而資料庫通常有自己的執行引擎。
7. 執行延遲。之前提到，hive 在查詢資料的時候，由于沒有索引，需要掃描整個表，是以延遲較高。另外一個導緻hive 執行延遲高的因素是 mapreduce 架構。由于mapreduce 本身具有較高的延遲，是以在利用 mapreduce 執行 hive 查詢時，也會有較高的延遲。相對的，資料庫的執行延遲較低。當然，這個低是有條件的，即資料規模較小，當資料規模大到超過資料庫的處理能力的時候，hive 的并行計算顯然能展現出優勢。
8. 可擴充性。由于 hive 是建立在 hadoop 之上的，是以 hive 的可擴充性是和 hadoop 的可擴充性是一緻的（世界上最大的 hadoop 叢集在 yahoo!，2009年的規模在 4000 台節點左右）。而資料庫由于 acid 語義的嚴格限制，擴充行非常有限。目前最先進的并行資料庫 oracle 在理論上的擴充能力也隻有 100 台左右。
9. 資料規模。由于 hive 建立在叢集上并可以利用 mapreduce 進行并行計算，是以可以支援很大規模的資料；對應的，資料庫可以支援的資料規模較小。