Hive 是什么？

Hive 是 Apache下的项目，架构在Hadoop上面的数据仓库。

用来进行数据提取、转化、加载，这是一种可以存储、查询和分析存储在Hadoop中的大规模数据的机制。hive数据仓库工具能将结构化的数据文件映射为一张数据库表，并提供SQL查询功能，能将SQL语句转变成MapReduce任务来执行。Hive的优点是学习成本低，可以通过类似SQL语句实现快速MapReduce统计，使MapReduce变得更加简单，而不必开发专门的MapReduce应用程序。hive十分适合对数据仓库进行统计分析。

---

使用Hadoop的过程中，会遇到以下的问题：

• 调试复杂。
• 在开发的过程中，需要对 Hadoop 的底层原理、API 有一定的了解才能顺畅地开发 MR 程序。
• Hadoop 支持的 Java，其他的语言虽然也支持但不是主流。对于大量的SQL用户而言，这个问题如何解决？

---

Hive 提供的 HiveQL 查询语言（HQL）的 SQL 方言，来查询存储在 Hadoop 集群的数据的。

用户只需要关注查询本身，设计的目的是为了精通 sql 但是对 Java 编程相对较弱的分析师能够对存在于 HDFS 上的大规模数据快速的执行查询。

Hive 最适合用于数据仓库程序，使用该应用程序是进行静态数据分析，不需要快速响应结果，而且数据本身不会频繁变化。

Hive 不支持行级别的数据插入（只有追加）、更新和删除。

Hive是基于 Hadoop 的数据仓库，用于处理结构化的数据集，数据结构存在于 MySQL，数据存在 HDFS。

Hive 可以将一个类似于 sql 的查询语句（HQL）翻译成 MR 程序，将 job 提交给 HDFS 进行查询时，hive 把 HDFS 上的一个目录映射成一张 Hive 表，在查询的时候就是把 job 放在 HDFS 上处理该文件。