hive是基于hadoop的数仓解决方案。简单来说hive就是在hadoop上接了一个sql接口。将sql翻译成mapreduce程序去执行，节约成本。
hive架构图：
如图中所示，hive通过给用户提供的一系列交互接口，接收到用户的指令(sql)，使用自己的driver，结合元数据(metastore)，将这些指令翻译成mapreduce，提交到hadoop中执行，最后，将执行返回的结果输出到用户交互接口。
hive组件包括ui组件、driver组件（complier,optimizer和executor）、metastore组件、cli（command line interface, 命令行接口）、jdbc/odbc、thrift server和hive web interface（hwi）等。
driver组件：核心组件，整个hive的核心，该组件包括complier(编译)、optimizer（优化器）和executor（执行器）,它们的作用是对hive sql语句进行解析、编译优化，生成执行计划，然后调用底层的mapreduce计算框架。
metastore组件：元数据服务组件，这个组件存储hive的元数据。hive的元数据存储在关系数据库里，hive支持的关系数据库有derby和mysql。默认情况下，hive元数据保存在内嵌的derby数据库中，只能允许一个会话链接，只适合简单的测试。实际生产中不适用，为了支持多用户会话，需要一个独立的元数据库（如mysql），hive内部对mysql提供了很好的支持。
cli：命令行接口。
thrift server：提供jdbc和odbc接入的能力，用来进行可扩展且跨语言 的服务开发。hive集成了该服务，能让不同的编程 语言调用hive的接口。
hive web interface（hwi）：hive客户端提供了一个通过网页方式访问hive所提供的服务，这个接口对应hive的hwi组件。
在使用过程中，只需要将hive看做是一个数据库就行，本身hive也具备了数据库的很多特性和功能。
hive可以使用hql(hive sql)很方便的完成对海量数据的统计汇总，即席查询和分析，除了很多内置的函数，还支持开发人员使用其他编程语言和脚本语言来自定义函数。
但是，由于hadoop本身是一个批处理，高延迟的计算框架，hive使用hadoop作为执行引擎，自然也就有了批处理，高延迟的特点，在数据量很小的时候，hive执行也需要消耗较长时间来完成，这时候，就显示不出它与oracle，mysql等传统数据库的优势。hive不能提供数据排序和查询缓存功能，也不提供在线事务处理、更不提供实时的查询和记录级的更新，但它能很好的处理不变的大规模数据集，当然这是 和其根植于hadoop近似线性的可扩展性分不开的。
此外，hive对事物的支持不够好，原因是hdfs本身就设计为一次写入，多次读取的分布式存储系统，因此，不能使用hive来完成诸如delete、update等在线事务处理的需求。
因此，hive擅长的是非实时的、离线的、对响应及时性要求不高的海量数据批量计算，即席查询，统计分析。
数据单元：
databases：数据库。概念等同于关系型数据库的schema，不多解释；
tables：表。概念等同于关系型数据库的表，不多解释；
partitions：分区。概念类似于关系型数据库的表分区，没有那么多分区类型，只支持固定分区，将同一组数据存放至一个固定的分区中。
buckets (or clusters):分桶。同一个分区内的数据还可以细分，将相同的key再划分至一个桶中，这个有点类似于hash分区，只不过这里是hash分桶，也有点类似子分区吧。
原始数据类型：
整型
tinyint — 微整型，只占用1个字节，只能存储0-255的整数。
smallint– 小整型，占用2个字节，存储范围–32768 到 32767。
int– 整型，占用4个字节，存储范围-2147483648到2147483647。
bigint– 长整型，占用8个字节，存储范围-263到263-1。
布尔型
boolean — true/false
浮点型
float– 单精度浮点数。
double– 双精度浮点数。
字符串型
string– 不设定长度。
复合数据类型：
structs：一组由任意数据类型组成的结构。比如，定义一个字段c的类型为struct {a int; b string}，则可以使用a和c.b来获取其中的元素值；
maps：和java中的map没什么区别，就是存储k-v对的；
arrays：数组；
hivesql:
hive sql是hive用户使用hive的主要工具。hive sql是类似于ansi sql标准的sql语言，但两者又不完全相同。hive sql和mysql的sql方言最为接近，但两者之前也存在显著差异，比如hive不支持行级数据插入、更新和删除，也不支持事务等。
hive数据库：hive中的数据库从本质上来说仅仅是一个目录或命名空间，但是对于具有很多用户和组的集群来说，这个概念非常有用。首先，这样可以避免表命名冲突；其次，它等同于数据型数据库在的数据库概念呢，是一组表或表的逻辑组，非常容易理解。
hive表：hive中的表（table）和关系数据库中的table在概念上是类似的，每个table在hive在都有一个对应的目录存储数据，如果么有指定表的数据库，那么hive会通过{hive_home}/conf/hive-site.xml配置文件中的hive.metastore.warehouse.dir属性来使用默认值（一般是 /user/hive/warehouse, 也可以根据实际的情况来修改这个配置），所有的table数据（不包括外部表）都保存在这个目录。
hive分为两类，即内部表和外部表。所谓内部表（managed table）即hive管理的表，hive内部表的管理既包含逻辑以及语法上的，也包含实际物理意义上的，即创建hive内部表时，数据将真实存在于表所在的目录内，删除内部表时，物理数据和文件也一并删除。外部表（external table ）则不然,其管理仅仅是在逻辑和语法意义上的，即新建表仅仅是指向一个外部目录而已。同样，删除时也不物理删除外部目录，而仅仅是将引用和定义删除。
分区和桶：hive 将表划分为分区（partition）,partition根据分区字段进行。分区可以让数据的部分查询变得更快。表或者分区可以进一步被划分为桶（bucket）。桶通常在原始数据中加入一些额外的结构，这些结构可以用于高效查询。例如，基于用户id的分桶可以使用基于用户的查询非常快。
分区：假设日志数据中，每条记录都带有时间戳。如果根据时间来分区，那么同一天的数据将被划分到同一个分区中。针对某一天或某几天数据的查询将会变得很高效，因为只需要扫描对应分区的文件。分区并不会导致跨度的的查询变得低效。
https://www.jianshu.com/p/199cb5b76692