Hive基础篇

Hadoop生态系统
底层是HDFS存储系统，在此之上是HBase和MapReduce，再往上是Pig和Hive。
Pig适用于流处理，应用场景为ETL工具。Hive是适用于批处理，应用场景一般为BI报表。
Hive借助HDFS来完成存储数据，Hive将sql语句转化为Mapreduce作业，借助Mapreduce完成对数据的操作。

Hive基础架构

Hive包含三个重要模块

• 用户接口模块 （对外访问接口）

  • CLI 命令行工具
  • HWI Hive的web接口
  • JDBC和ODBC 开放数据库连接接口
  • Thrift Server，thrift架构开发的接口，允许外界通过这个接口实现对Hive仓库的RPC调用

• 驱动模块 （包含编译器，优化器，执行器）

• 元数据存储模块 Metastore
  是一个独立的关系型数据库，通过MySql数据库来存储Hive元数据。

Hive HA的基本原理

高可用性
HAProxy ，用户访问的时候先通过HAProxy来访问Hive，对外来讲表现为一个统一的Hive，但是内部具有多个Hive实例。HAProxy会依次去询问底层的Hive是否可用，依次执行逻辑可用性测试判断是否可用。对不能通过逻辑可用性测试的Hive，HAProxy会将其加入黑名单。每隔一段时间会对黑名单中的Hive重新进行逻辑可用性测试，移除通过测试的Hive。

SQL转化为MapReduce作业的原理

Hive中将SQL转化为MapReduce的流程

驱动模块接受命令或查询编译器，对该命令进行解析编译，该命令或查询通过执行器进行执行，由优化器对该命令或查询进行优化计算。

输入 ——>1.Parser ——>2.Semantic Analyzer ——>3.Logical Plan Generator ——>4.Logical Optimizer ——>5.Physical Plan Generator ——>6.Physical Optimizer

1.Pareser：由Hive驱动模块的编译器将用户的SQL进行词法语法解析，转化为抽象的语法树。
2.Semantic Analyzer ：把复杂抽象语法书转化为查询块
3.Logical Plan Generator：把查询块转化为逻辑查询计划，里面包含了许多逻辑操作符。
4.Logical Optimizer ：重写逻辑查询计划，进行优化合并多余操作，减少MapReduce任务数量
5.Physical Plan Generator ：将逻辑操作符转化为需要执行的具体的MapReduce任务
6.Physical Optimizer：对生成的MapReduce任务进行优化生成最终的MapReduce任务执行计划。

Hive本身不生成MapReduce程序，需要通过一个“Job执行计划”的XML文件驱动执行内置的原生的Mapper和Reducer模块。