Hive基础(1)

Hive基础(1)

Hive的HQL(2)

1. Hive并不是分布式的，它独立于机器之外，类似于Hadoop的客户端。

2. 元数据和数据的区别，前者如表名、列名、字段名等。

3. Hive的三种安装方式

• 内嵌模式，元数据服务和Hive服务运行在同一个JVM中，同时使用内嵌的Derby数据库作为元数据存储，该模式只能支持同时最多一个用户打开Hive会话。
• 本地模式，元数据服务和Hive服务运行在同一个JVM中，采用了外置的MySQL作为元数据存储，该种方式支持多个用户同时访问Hive。
• 远程模式，元数据服务和Hive服务运行在不同的进程内，这样做的好处是，数据库层可以完全地置于防火墙之后，客户端则不需要数据库验证。
• 推荐，生产环境中，使用本地模式、远程模式。

4. Hive不支持行级别的更新、插入或者删除操作，并且不支持事物。Hive不能做OLTP的“联机”部分，所以对Hive更适合离线计算，对于实时性要求很高的可以选择HBase或者Impala。

5. Hive和关系型数据库的区别

compare	Hive	RMDBS
查询语言	HQL	SQL
数据存储位置	HDFS	Raw Device或者Local FS
数据格式	用户定义	系统决定
数据更新	不支持	支持
索引	无	有
执行	MapReduce	Executor
执行延迟	高	低
可扩展性	高	低
数据规模	大	小

6. Hive的数据类型与存储格式

• 数据类型
  • 基本数据类型：整型、浮点型、布尔型等
  • 复杂数据类型（集合）：STRUCT、MAP、ARRAY
• 存储格式
  
  • TEXTFILE(default)
  • 不压缩、磁盘开销大、数据解析开销大
  • SEQUENCEFILE
  • 使用方便、可分割、可压缩、按行切分
  • RCFILE
  • 行列存储相结合，首先，将数据按行分块，保证同一条记录在一个块上，避免读一条记录需要读取多个块。其次，块上的数据按照列式存储，有利于数据压缩和快速地进行行列存取，也就是“先按水平划分再按垂直划分”
  • 自定义
  • 用户可通过实现InputFormat和OutputFormat来自定义输入输出格式。