大数据知识 | hive初识
hive简介
hive架构
hive是什么
官网这样说：https://hive.apache.org/
hive .png
hive是用来解决海量结构化的日志数据统计问题的，一般是作为建立在Hadoop上的OLAP数据仓库。它是一个客户端，主要是将SQL转化成MR任务，特别适合离线处理。它有着类似于SQL的语法，上手难度小，最特别的是它有着统一的元数据管理便于其他组件也可以使用。
所以hiv产生的很大的原因就是：非java编程者对hdfs的数据做mapreduce操作！！！
hive简介
Hive : 数据仓库。（各种数据源的数据进行统一规整）
Hive：解释器，编译器，优化器等。
Hive 运行时，元数据存储在关系型数据库里面。（HDFS当中所有的数据都是文本型数据，没有字段的映射关系）
c
hive架构.png
（1）用户接口主要有三个：CLI，Client 和 WUI。
- 其中最常用的是CLI，CLI启动的时候，会同时启动一个Hive副本。大都是命令行，用户体验差
- Client是Hive的客户端，用户连接至Hive Server。在启动 Client模式的时候，需要指出Hive Server所在节点，并且在该节点启动Hive Server。
- WUI是通过浏览器访问Hive。
（2）Metastore：Hive将元数据存储在数据库中，如mysql、derby（内存数据库，一般不用）。Hive中的元数据包括表的名字，表的列和分区及其属性，表的属性（是否为外部表等），表的数据所在目录等。
-
内嵌模式
内嵌模式.png
内嵌模式是Hive Metastore的最简单的部署方式，使用Hive内嵌的Derby数据库来存储元数据。但是Derby只能接受一个Hive会话的访问，试图启动第二个Hive会话就会导致Metastore连接失败。
-
本地模式
本地模式
本地模式是Metastore的默认模式（懒人专用模式）。该模式下，单Hive会话（一个Hive 服务JVM）以组件方式调用Metastore和Driver。我们可以采用MySQL作为Metastore的数据库。
-
远程模式
远程模式.png
用于非Java客户端访问元数据库，在服务器端启动MetaStoreServer，客户端利用Thrift协议通过MetaStoreServer访问元数据库
远程模式将Metastore分离出来，成为一个独立的Hive服务（Metastore服务还可以部署多个）。这样的模式可以将数据库层完全置于防火墙后，客户就不再需要用户名和密码登录数据库，避免了认证信息的泄漏。
（3）解释器、编译器、优化器完成HQL查询语句从词法分析、语法分析、编译、优化以及查询计划的生成。生成的查询计划存储在HDFS中，并在随后有MapReduce调用执行。
（4）Hive的数据存储在HDFS中，大部分的查询、计算由MapReduce完成（包含*的查询，比如select * from tbl不会生成MapRedcue任务）
（5）Driver：包含编译器，优化器和执行器
接收客户端请求-->编译，解释，执行-->提交给yarn执行
Driver 每一个Hive服务都需要调用Driver来完成HQL语句的翻译和执行。通俗地说，Driver就是HQL编译器，它解析和优化HQL语句，将其转换成一个Hive Job（可以是MapReduce，也可以是Spark等其他任务）并提交给Hadoop集群。
（6）Operator
image.png
Hive的架构
- 编译器将一个Hive SQL转换操作符
- 操作符是Hive的最小的处理单元
- 每个操作符代表HDFS的一个操作或者一道MapReduce作业
Operator
- Operator都是hive定义的一个处理过程
Operator都定义有: - protected List <Operator<? extends Serializable >> childOperators;
- protected List <Operator<? extends Serializable >> parentOperators;
- protected boolean done; // 初始化值为false
