1. 定义

1）HIVE是建立在Hadoop上的数据仓库基础架构。

2）它提供了一系列的工具，可以用来进行数据提取转换加载（ETL），这是一种可以存储、查询和分析存储在Hadoop中的大规模数据机制。

3）Hive定义了简单的类SQL查询语言，称为HQL，它允许熟悉SQL的用户查询数据。同时，这个语言也允许熟悉MapReduce开发者的开发自定义的mapper和reducer来处理内建的mapper和reducer无法完成的复杂的分析工作。

4）Hive没有专门的数据格式。Hive可以很好地工作在Thrift之上，控制分隔符，也允许用户指定数据格式。

2. 适用场景

1）Hive不能够在大规模数据集上实现低延迟快速的查询。

2）几百MB的数据集上执行查询一般有分钟级的时间延迟。

3）最佳使用场合是大数据集的批处理作业，例如，网络日志分析。

3. 特点

Hive是一种底层封装了Hadoop的数据仓库处理工具。所有Hive的数据都存储在Hadoop兼容的文件系统（例如，Amazon S3、HDFS）中。Hive在加载数据过程中不会对数据进行任何修改，只是将数据移动到HDFS中Hive设定的目录下。因此，Hive不支持对数据的改写和添加，所有的数据都是在加载的时候确定的。

Hive的设计特点如下：

1）支持索引，加快数据查询

2）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

4. 体系结构

1）用户接口

CLI、Client和WUI。

-最常用的是CLI，CLI启动的时候，会同时启动一个Hive副本。

-Client是Hive的客户端，用户连接至Hive Server。在启动Client模式的时候，需要指出Hive Server所在节点，并且在该节点启动Hive Server。

-WUI是通过浏览器访问Hive。

2）元数据存储

Hive将元数据存储在数据库中，如Mysql、derby。Hive中的元数据包括表的名字，表的列和分区及其属性，表的属性（是否为外部表等），表的数据所在目录等。

3）解释器、编译器、优化器、执行器

解释器、编译器、优化器完成HQL查询语句从词法分析、语法分析、编译、优化以及查询计划的生成。生成的查询计划存储在HDFS中，并随后由MapReduce调用执行.

4) Hadoop

Hive的数据存储在HDFS中，大部分的查询由MapReduce完成（包含*的查询，比如select * from tbl不会生成MapReduce任务）

5. HIVE数据存储

1)Hive没有专门的数据存储格式，也没有为数据建立索引，用户可以非常自由地组织Hive中的表，只需要在创建表的时候告诉Hive数据中的列分隔符和行分隔符，Hive就可以解析数据。

2)Hive中所有的数据都存储在HDFS中，Hive中包含以下数据模型：表（Table）、外部表（External Table）、分区（Partition），桶（Bucket）。

3)内外部表的区别

-在导入数据到外部表，数据并没有移动到自己的数据仓库目录下，也就是说外部表的数据并不是由它自己来管理的。而内部表则不一样；

-在删除表的时候，Hive将会把属于表的元数据和数据全部删掉；而删除外部表的时候，Hive仅仅删除外部表的元数据，数据是不会删除的。

-如何选择使用哪种表呢？

如果所有处理都需要由Hive完成，那么应该创建内部表，否则使用外部表。