1.什么是hive
Hive是用于解决海量结构化日志的数据统计。
Hive 是基于 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。
本质是：将 HQL 转化成 MapReduce 程序，他们的转换过程如下图所示
1）Hive 处理的数据存储在 HDFS
2）Hive 分析数据底层的默认实现是 MapReduce
3）执行程序运行在 Yarn 上
2.hive的优点和缺点
1）优点
- 操作接口采用类 SQL 语法的HQL，提供快速开发的能力（简单、容易上手）。
- 不用写MapReduce程序，减少开发人员的学习成本。
- Hive 优势在于处理大数据，对于处理小数据没有优势，因为 Hive 的执行延迟比较 高。
- Hive 支持用户自定义函数，用户可以根据自己的需求来实现自己的函数。
2）缺点
- hive 的 HQL 表达能力有限，算法和数据挖掘无法表达
- hive的效率比较低，自动生成Mapreduce，执行速度慢
- hive调优困难，粒度比较大
3. Hive 和数据库比较
Hive 采 用 了 类 似 SQL 的查询语言 HQL(Hive Query Language) ，因此很容易理解为数据库。但从结构上来看，Hive 和数据库除了拥有类似的查询语言，再无其他相似之处了。数据库可以在应用中使用，但hive只是为数据仓库而设计的。
1.hive数据更新
由于 Hive 是针对数据仓库应用设计的，而数据仓库的内容是读多写少的。因此，Hive 中不建议对数据的改写，所有的数据都是在加载的时候确定好的。不稳定的数据不要放在hive数据库中，数据库中有自己的更新语句。
2.hive索引
hive中没有索引，都是全表扫描。Hive 在加载数据的过程中不会对数据进行任何处理，甚至不会对数据进行扫描，因此 也没有对数据中的某些 Key 建立索引。Hive 要访问数据中满足条件的特定值时，需要暴力扫描整个数据，因此访问延迟较高。由于 MapReduce 的引入， Hive 可以并行访问数据，即使没有索引，但对于海量数据的访问，Hive 仍然可以体现出优势。数据库中，通常会针 对一个或者几个列建立索引，因此对于少量的特定条件的数据的访问，数据库可以有很高的 效率，较低的延迟。由于数据的访问延迟较高，决定了 Hive 不适合在线数据查询。
3.hive执行
Hive 中大多数查询的执行是通过 Hadoop 提供的 MapReduce 来实现的。而数据库通常 有自己的执行引擎。
4. 执行延迟
Hive 在查询数据的时候，由于没有索引，需要扫描整个表，因此延迟较高。另外一个 导致 Hive 执行延迟高的因素是 MapReduce 框架。由于 MapReduce 本身具有较高的延迟， 因此在利用 MapReduce 执行 Hive 查询时，也会有较高的延迟。相对的，数据库的执行延迟 较低。当然，这个低是有条件的，即数据规模较小，当数据规模大到超过数据库的处理能力 的时候，Hive 的并行计算显然能体现出优势。
5.可扩展性
由于 Hive 是建立在 Hadoop 之上的，因此 Hive 的可扩展性是和 Hadoop 的可扩展性是 一致的（世界上最大的 Hadoop 集群在 Yahoo!，2009 年的规模在 4000 台节点左右）。而数 据库由于 ACID 语义的严格限制，扩展行非常有限。目前最先进的并行数据库 Oracle 在理 论上的扩展能力也只有 100 台左右。
6. 数据规模
由于 Hive 建立在集群上并可以利用 MapReduce 进行并行计算，因此可以支持很大规模 的数据；对应的，数据库可以支持的数据规模较小。