Hive了解
目录
1.1 什么是Hive
1.2 Hive发展历程
1.3 Hive架构原理
1.1 什么是Hive
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。
那为什么会有Hive呢？它是为了解决什么问题而诞生的呢？
下面通过一个案例，来快速了解一下Hive。
例如：需求，统计单词出现个数。
（1）在Hadoop课程中我们用MapReduce程序实现的，当时需要写Mapper、Reducer和Driver三个类，并实现对应逻辑，相对繁琐。
test表
id列atguigu
atguigu
ss
ss
jiao
banzhang
xue
hadoop
（2）如果通过Hive SQL实现，一行就搞定了，简单方便，容易理解。
select count(*) from test group by id;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
1.2 Hive发展历程
| 时间 | 发展历程 |
|---|---|
| 2008年 | Apache Hive项目由Facebook开源，作为Hadoop生态系统的一部分。 |
| 2010年 | Hive成为Apache软件基金会的顶级项目，吸引了越来越多的社区参与和贡献。 |
| 2012年 | Hive 0.9版本发布，引入了Hive Server 2，提供了一个独立的Hive服务器，支持多客户端并发连接。 |
| 2013年 | Hive 0.12版本发布，引入了Hive on Tez引擎，提供了更快的查询性能和更低的延迟。 |
| 2015年 | Hive 1.0版本发布，引入了多项重要功能，包括事务支持、Vectorized Query引擎、并行DDL操作等。 |
| 2016年 | Hive 2.0版本发布，引入了ACID事务支持的重大改进，包括支持INSERT、UPDATE、DELETE等事务操作。 |
| 2017年 | Hive 2.3版本发布，引入了LLAP（Low Latency Analytical Processing）引擎，提供了更低的查询延迟和更高的查询性能。 |
| 2019年 | Hive 3.0版本发布，引入了许多重要的改进，包括支持ACID事务表和非事务表的混合查询、支持Materialized Views、支持Bucketed Tables等。 |
| 2020年 | Hive 3.1版本发布，继续改进性能和可扩展性，引入了基于预测性建议的查询优化器等。 |
| 2022年 | Hive 4.0版本发布，将继续推动Hive在大数据处理领域的创新，提供更高的性能和更丰富的功能。 |
1.3 Hive架构原理
1）用户接口：Client
CLI（command-line interface）、JDBC/ODBC。
说明：JDBC和ODBC的区别。
（1）JDBC的移植性比ODBC好；（通常情况下，安装完ODBC驱动程序之后，还需要经过确定的配置才能够应用。而不相同的配置在不相同数据库服务器之间不能够通用。所以，安装一次就需要再配置一次。JDBC只需要选取适当的JDBC数据库驱动程序，就不需要额外的配置。在安装过程中，JDBC数据库驱动程序会自己完成有关的配置。）
（2）两者使用的语言不同，JDBC在Java编程时使用，ODBC一般在C/C++编程时使用。
2）元数据：Metastore
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）驱动器：Driver
（1）解析器（SQLParser）：将SQL字符串转换成抽象语法树（AST）
（2）语义分析（Semantic Analyzer）：将AST进一步划分为QeuryBlock
（3）逻辑计划生成器（Logical Plan Gen）：将语法树生成逻辑计划
（4）逻辑优化器（Logical Optimizer）：对逻辑计划进行优化
（5）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
（6）物理优化器（Physical Optimizer）：对物理计划进行优化
（7）执行器（Execution）：执行该计划，得到查询结果并返回给客户端
4）Hadoop
使用HDFS进行存储，可以选择MapReduce/Tez/Spark进行计算。