3.2 KiB
3.2 KiB
数据仓库——Hive
一、简介二、Hive的体系架构
2.1 command-line shell & thrift/jdbc
2.2 Metastore
2.3 执行流程
一、简介
Hive构建在Hadoop之上的，可以将结构化的数据文件映射成表，并提供类SQL查询功能，分析查询SQL语句被转化为MapReduce任务在Hadoop框架中运行。
特点：
-
简单、容易上手（提供了类似sql查询语言hql），使得精通sql 但是不了解 Java 编程的人也能很好的进行大数据分析；
-
其执行延迟高，不适合做实时数据的处理，但其适合做海量数据的离线处理；
-
灵活性高，可以自定义用户函数(UDF)和自定义存储格式；
-
为超大的数据集设计的计算／存储扩展能力（基于Hadoop，MR计算，HDFS存储），集群扩展容易;
-
统一的元数据管理（可与presto／impala／sparksql等共享数据，详见下文）。
二、Hive的体系架构
2.1 command-line shell & thrift/jdbc
我们可以用command-line shell和thrift／jdbc两种方式来操作数据：可以通过hive脚本的方式来操作，也可以通过服务器，通过thrift协议按照编译jdbc的方式就能够完成对hive里面的数据进行相应的操作。
2.2 Metastore
hive里的表名、表结构、字段名、字段类型、表的分隔符等信息就叫做元数据。Metastore是用来存储Hive的元数据，默认元数据是存储在derby关系型数据库中，但使用derby时只能有一个实例，也就是说不能多个命令行接口同时使用，通常使用MySQL代替derby。
这里还需要说明的是hive进行的是同一的元数据管理，就是说你在hive上创建了一张表，然后在presto／impala／sparksql 中都是可以直接使用的，同样的你在presto／impala／sparksql中创建一张表，在hive中也是可以使用的。
2.3 执行流程
- 客户端提交的sql后首先会通过Driver,然后通过SQL Parser进行sql解析，首先把语句解析成抽象语法树之后才能转换成逻辑性执行计划；
- 接着查询优化工具Query Optimizer对我们逻辑性执行计划进行优化，最终再生成物理性执行计划（physical plan）；
- 在物理性执行计划中还包括序列化和反序列化（SerDes），用户自定义函数（User Defined Functions，UTFs）；
- 把最终的物理执行计划生成执行引擎（Execution）提交到mapreduce上去执行；
- mapreduce的执行肯定有输入和输出，那么这个输入输出可以是hadoop文件系统上的（Hadoop Storage）比如hdfs，hbase包括本地的文件也都是可以的。