资讯专栏INFORMATION COLUMN

Hive介绍

Tecode / 2012人阅读

摘要:通过给用户提供的一系列交互接口,接收到用户的指令,使用自己的,结合元数据,将这些指令翻译成,提交到中执行,最后,将执行返回的结果输出到用户交互接口。

什么是Hive

hive简介

hive是由Facebook开源用于解决海量结构化日志的数据统计工具,是基于Hadoop的一个数据仓库工具,可以将结构化的数据文件映射为一张表,并提供类 SQL查询功能。

Hive本质

将HQL转化成MapReduce程序。

(1)Hive处理的数据存储在HDFS

(2)Hive分析数据底层的实现是MapReduce

(3)执行程序运行在Yarm上

Hive的优缺点

优点

(1)操作接口采用类SQL语法,提供快速开发的能力(简单、容易上手)

(2)避免了去写MapReduce,减少开发人员的学习成本

(3)Hive的执行延迟比较高,因此Hive常用于数据分析,对实时性要求不高的场合

(4)Hive优势在于处理大数据,对于处理小数据没有优势,这是由于Hive的执行延迟比较高造成的

(5)HIve支持用户自定义函数,用户可以根据自己的需求来实现自己的函数

缺点

  1. Hive的HQL表达能力有限

    (1) 迭代式算法无法表达

    (2) 数据挖掘方面不擅长,由于MapReduce数据处理流程的限制,效率更高的算法却无法实现。

  2. Hive的效率比较低

    (1) Hive自动生成的MapReduce作业,通常情况下不够智能化

    (2) Hive调优比较困难,粒度较粗。

Hive架构原理

  1. 用户接口:Client
    CLI ( command-line interface) 、 JDBC/ODBC(jdbc访问 hive)、WEBUI(浏览器访问hive)
  2. 元数据:Metastore
    元数据包括:表名、表所属的数据库(默认是default)、表的拥有者、列/分区字段、表的类型(是否是外部表)、表的数据所在目录等;
    默认存储在自带的derby数据库中,推荐使用MySQL存储Metastore
  3. Hadoop
    使用HDFS进行存储,使用MapReduce进行计算。
  4. 驱动器:Driver
    (1)解析器(SQLParser):将SQL字符串转换成抽象语法树AST,这一步一般都用第三方工具库完成,比如 antlr;对AST进行语法分析,比如表是否存在、字段是否存在、SQL语义是否有误。
    (2)编译器(Physical Plan):将AST编译生成逻辑执行计划。
    (3)优化器(Query Optimizer) :对逻辑执行计划进行优化。
    (4)执行器(Execution):把逻辑执行计划转换成可以运行的物理计划。对于Hive来说,就是MR/Spark。

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和数据库比较

由于Hive采用了类似SQL的查询语言HQL(Hive Query Language),因此很容易将Hive理解为数据库。其实从结构上来看,Hive和数据库除了拥有类似的查询语言,再无类似之处。本文将从多个方面来阐述Hive和数据库的差异。数据库可以用在Online的应用中,但是Hive是为数据仓库而设计的,清楚这一点,有助于从应用角度理解Hive的特性。

1.查询语言

由于 SQL 被广泛的应用在数据仓库中,因此,专门针对Hive 的特性设计了类SQL的查询语言 HQL。熟悉 SQL开发的开发者可以很方便的使用 Hive进行开发。

2.数据更新

由于 Hive是针对数据仓库应用设计的,而数据仓库的内容是读多写少的。因此,Hive中不建议对数据的改写,所有的数据都是在加载的时候确定好的。而数据库中的数据通常是需要经常进行修改的,因此可以使用 INSERTINTO... VALUES添加数据,使用 UPDATE ...SET 修改数据。

3.执行延迟

Hive在查询数据的时候,由于没有索引,需要扫描整个表,因此延迟较高。

另外一个导致Hive执行延迟高的因素是 MapReduce 框架。由于MapReduce本身具有较高的延迟,因此在利用 MapReduce 执行 Hive查询时,也会有较高的延迟。相对的,数据库的执行延迟较低。当然,这个低是有条件的,即数据规模较小,当数据规模大到超过数据库的处理能力的时候,Hive的并行计算显然能体现出优势。

4.数据规模

由于Hive建立在集群上并可以利用 MapReduce 进行并行计算,因此可以支持很大规模的数据;对应的,数据库可以支持的数据规模较小。

摘自尚硅谷

文章版权归作者所有,未经允许请勿转载,若此文章存在违规行为,您可以联系管理员删除。

转载请注明本文地址:https://www.ucloud.cn/yun/125937.html

相关文章

  • Hive系列文章(2):Hive介绍

    摘要:从中获取用户对查询树中的表达式进行数据类型检查和基于分区的查询预测所需的元数据信息。生成的执行计划是一个由不同的组成的有向无环图,每个有可能是一个任务,或者元数据信息操作,或者操作。如果任务执行会导致元素局信息的变动,会通知进行元数据修改。 本系列文章使用的硬件环境为:centOS 6.5 64bit / 4G RAM 30G HHD使用的Hive版本为: hive2.0.0 / H...

    keithxiaoy 评论0 收藏0
  • SparkSQL 在有赞的实践

    摘要:在有赞的技术演进。业务数据量正在不断增大,这些任务会影响业务对外服务的承诺。监控需要收集上执行的的审计信息,包括提交者执行的具体,开始结束时间,执行完成状态。还有一点是详细介绍了的原理,实践中设置了的比默认的减少了以上的时间。 前言 有赞数据平台从2017年上半年开始,逐步使用 SparkSQL 替代 Hive 执行离线任务,目前 SparkSQL 每天的运行作业数量5000个,占离线...

    hzx 评论0 收藏0
  • SparkSQL 在有赞的实践

    摘要:在有赞的技术演进。业务数据量正在不断增大,这些任务会影响业务对外服务的承诺。监控需要收集上执行的的审计信息,包括提交者执行的具体,开始结束时间,执行完成状态。还有一点是详细介绍了的原理,实践中设置了的比默认的减少了以上的时间。 前言 有赞数据平台从2017年上半年开始,逐步使用 SparkSQL 替代 Hive 执行离线任务,目前 SparkSQL 每天的运行作业数量5000个,占离线...

    Xufc 评论0 收藏0
  • 【Trafodion使用技巧篇】Trafodion数据加载介绍

    摘要:用例测试表继续用上述的创建测试文件,内容如下创建文件,内容如下根据文件加载数据检查数据是否转换成功初试主要是针对大数据量的且一般是批量装载的方式。 Trafodion 的数据加载主要包括两种方法,即 Trickle Load(持续加载) 和 Bulk Load(批量加载)。下表介绍了两种加载方法的区别: 类型 描述 方法/工具 Trickle Load 数据量较小,立即插入 ...

    KunMinX 评论0 收藏0

发表评论

0条评论

最新活动
阅读需要支付1元查看
<