Hive特征
Hive是建立在Hadoop上的数据仓库基础构架。它提供了一系列的工具，可以用来进行数据提取转化加载（ETL），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定义了简单的类SQL查询语言，称为HQL。
Hive的设计特点如下：
1）支持索引，加快数据查询。
2）支持不同的存储类型，例如，纯文本文件、HBase中的文件。
3）将元数据保存在关系数据库中，大大减少了在查询过程中执行语义检查的时间。
4）可以直接使用存储在Hadoop文件系统中的数据。
5）内置大量用户函数UDF来操作时间、字符串和其他的数据挖掘工具，支持用户扩展UDF函数来完成内置函数无法实现的操作。
6）类SQL的查询方式，将SQL查询转换为MapReduce的Job在Hadoop集群上执行。
Hive系统架构
图1-1显示了Hive的主要组成模块、Hive如何与Hadoop交互工作，以及从外部访问Hive的几种典型方式。
图1-1 Hive的主要组成模块
Hive主要由以下3个模块组成：
1）用户接口模块，含CLI、HWI、JDBC、Thrift Server等，用来实现对Hive的访问。CLI是Hive自带的命令行界面；HWI是Hive的一个简单网页界面；JDBC、ODBC以及Thrift Server可向用户提供进行编程的接口，其中Thrift Server是基于Thrift软件框架开发的，提供Hive的RPC通信接口。
2）驱动模块（Driver），含编译器、优化器、执行器等，负责把HiveQL语句转换成一系列MR作业，所有命令和查询都会进入驱动模块，通过该模块的解析变异，对计算过程进行优化，然后按照指定的步骤执行。
3）元数据存储模块（Metastore），这是一个独立的关系型数据库，通常是与MySQL数据库连接后创建的一个MySQL实例，也可以是Hive自带的Derby数据库实例。此模块主要保存表模式和其他系统元数据，如表的名称、表的列及其属性、表的分区及其属性、表的属性、表中数据所在位置信息等。
喜欢图形界面的用户，可采用几种典型的外部访问工具：Karmasphere、Hue、Qubole等。
