1.hive介绍
hive是一个数据仓库的解决方案，它的数据存储依赖于HDFS，数据结算依赖于MR，也就是说，hive就是一个在数据仓库的服务，它只需要安装到一台普通的PC上即可，仅仅对外提供SQL服务（和hadoop、hbase、spark、storm不同，应为这些都是分布式服务），对客户端的SQL最终转换成对HDFS的操作和MR的操作。
hive有两种作用，第一就是是一个数据仓库，他对数据的组织，比如说表、分区等目录结构，第二就是他的SQL实现是基于Mapreduce。
所以，现在hive组织数据是目前无人可比，而它的SQL计算则可以使用MPP、mapreduce、spark迭代式计算、流计算等计算引擎，所以你看见impala、shark、的安装都是基于hive的，就是重用hive的数据仓库功能，即在hive里面组织数据。
2.hive就是服务，不需要分布式安装
hive的表，分区，桶本质就是在HDFS上面建立一些目录，同时借助RDBMS存储自己的元数据（用户的DDL,DML作为元数据，存储在RDMS里面，Hive引擎就会解析这些数据 生成MR的job运行，同时将HIve里面的表存储转换成hdfs的目录）。
3.hive的DDL操作
建立表
1.在rdms里面存储表的列，名称
2.在hdfs里面以表的名称，建立了一个目录
插入数据、查询数据
1 将hql经过解析，形成执行计划，最后生成mr的job运行，而hql里面的表转换成hdfs里面的目录作为mr的输入和输出
聚合函数、窗口函数以及OLAP的CUBE等聚合函数
1 avg、sum、count、rank、cube等度量值的聚合方式。
==================================================================================================
hive的调优：
1、减少shuffle的数据传输、而这块主要就是join连接的优化
2、task任务的个数
3、jvm堆内存、栈内存空间的设置
4、队列的设置、hadoop的调度策略以及资源分配配置