Hive架构

前面我们讲解了hive是什么，下面我们接着来看一下hive的架构。

hive在hadoop生态系统的位置

在讲解hive的架构前，我们先看一下hadoop的生态系统图，看一下hive到底在hadoop生态系统中占据着什么位置。

这张图上所有的框架我们在后续都会给大家介绍。
通过上图，我们可以看到hive的下面是yarn、MapReduce、HDFS，这和我们对hive的定义是一样的。在hive的右侧是Hbase，这就说明hive可以和HBase进行集成。可以看到hive在整个hadoop生态系统中还是占据着比较重要的位置的。

hive架构

我们先看这张图的蓝色部分，我们可以看到这就是MapReduce和HDFS，这一部分我们就比较熟悉了。
在回想下hive的本质，就是讲HQL语句转换成MapReduce程序进行在yarn上执行。那么现在底层的MapReduce和HDFS我们清楚了。那用户是如何提交HQL语句到hive的呢？
这就是上图中的右上部分，用户可以通过cli（命令行）或者java调用jdbc的方式通过Hive的驱动将HQL提交给Hive。
hive在接收到HQL语句时要进行以下四部的处理：

1. 将HQL语句进行解析
2. 对已经解析的进行优化处理。
3. 根据优化的结果生成一个物理的计划。
4. 将物理的计划提交给yarn进行执行。
   通过以上这几个步骤，hive就完成了他的工作，接受用户提交的HQL语句，将其转换成MapReduce程序进行执行。

我们看到上图的左侧还有个MetaStore，这个是什么呢？这个就是hive的元数据。我们来解释下什么是元数据。我们知道hive是讲一定的日志数据转换成数据表的形式，那是不是需要记录表的名字与存储在HDFS文件系统上文件的对应关系，是不是需要知道每一个列数据的名称。这些就组成了hive的元数据。hive通过查找元数据才能清楚的知道要去查找那个文件等等。
元数据默认存储在自带的derby数据库中，推荐使用MySQL存储Metestore。

hive的优势

1. 操作接口采用类SQL语法，提供快速开发的能及(简单、容易上手)
2. 避免了去写MapReduce，减少开发人员的学习成本
3. 统一的元数据管理，可与impala/spark等共享数据
4. 易扩展(HDFS+MapReduce)，可以扩展集群规模；支持自定义函数

使用场景

1. 数据的离线处理：比如，日志分析，海量结构化数据离线分析
2. Hive的执行延迟比较高：hive常用于数据分析的，对实时性要求不高的场合
3. 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