马上注册,结交更多数据大咖,获取更多知识干货,轻松玩转大数据
您需要 登录 才可以下载或查看,没有帐号?立即注册
x
本帖最后由 168主编 于 2019-6-24 19:31 编辑
先阅读初识hive
Hive在大数据生态环境中的位置
Hive架构图
client 三种访问方式- 1、CLI(hive shell)、command line interface(命令行接口)
2、JDBC/ODBC(java访问hive),
3、WEBUI(浏览器访问hive) - Meta store 元数据存储
元数据包括:表名、表所属的数据库(默认是default)、表的拥有者、列、分区字段、表的类型(是否是外部表)、表的数据所在的目录等;
默认存储在自带的derby数据库中,推荐使用采用MySQL存储Metastore; - Driver
包含:解析器、编译器、优化器、执行器;
1、解析器:将SQL字符串转换成抽象语法树AST,这一步一般都用第三方工 具库完成,比如antlr;对AST进行语法分析,比如表是否存在、字段是否 存在、SQL语义是否有误(比如select中被判定为聚合的字段在group by中是 否有出现);
2、编译器:将AST编译生成逻辑执行计划; 优化器:对逻辑执行计划进行优化;
3、执行器:把逻辑执行计划转换成可以运行的物理计划。对于Hive来说,就
是MR/TEZ/Spark; - 举例 select substring(ip,0,4) ip_prex from bg_log ;
执行顺序:首先在metastore查询-->sql解析-->查询优化--->物理计划-->执行MapReduce
优点及使用场景- 操作接口采用类SQL语法,提供快速开发的能力(简单、容易上手);
- 避免了去写MapReduce,减少开发人员的学习成本;
- 统一的元数据管理,可与impala/spark等共享元数据;
- 易扩展(HDFS+MapReduce:可以扩展集群规模;支持自定义函数);
- 数据的离线处理;比如:日志分析,海量结构化数据离线分析…
- Hive的执行延迟比较高,因此hive常用于数据分析的,对实时性要求 不高的场合;
- 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。
作者:志辉聊码
链接:https://www.jianshu.com/p/c977c7906b86
|