🐝Hive概述

1. Hive简介

Hive是由Facebook开源，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的出现简化了Hadoop的MapReduce程序处理数据。

2. Hive本质

Hive是一个Hadoop客户端，用于将HQL(Hive SQL)转化成MapReduce程序。

1. Hive中每张表的数据存储在HDFS
2. Hive分析数据底层的实现是MapReduce(也可配置为Spark或者Tez)
3. 执行程序运行在Yarn上

3. Hive架构原理

1. Client(用户接口)：
   CLI(命令行)、JDBC/ODBC。
2. Metastore(元数据)： 元数据包括：数据库(默认是default)、表名、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，由于derby数据库只支持单客户端访问，生产环境中为了多人开发，推荐使用MySQL存储Metastore。
3. Driver(驱动器)：
   • 解析器(SQLParser)：将SQL字符串转换成抽象语法树(AST),如下图

   SQL语法树

   比如查询SQL为：select count(*) from test group by id;

   • 语义分析(Semantic Analyzer)：将AST进一步划分为QueryBlock
   • 逻辑计划生成器(Logical Plan Gen)：将语法树生成逻辑计划,如下图执行计划
   • 逻辑优化器(Logical Optimizer)：对逻辑计划进行优化(比如谓词下推)
   • 物理计划生成器(Physical Plan Gen)：根据优化后的逻辑计划生成物理计划,如下图执行计划

   执行物理计划过程

   

   • 物理优化器(Physical Optimizer)：对物理计划进行优化
   • 执行器(Execution)：执行该计划，得到查询结果并返回给客户端
4. 底层基于Hadoop：
   使用HDFS进行存储，可以选择MapReduce/Tez/Spark进行计算。