海量数据的分析之HIVE

首先，数据仓库是一个面向主题，稳定的不太会更改的数据，支持管理决策的数据，那么有两种，一种离线数仓，一种实时数仓。一般用的多的是离线数仓

那么HIVE是啥，是一个数据仓库软件，支持使用SQL读取，写入管理分布存储中的大型数据集。hive将真实数据抽象成元数据，提供了命令行及JDBC驱动将用户连到HIVE。

hive基于Hadoop的数据仓库工具，存储的数据底层在HDFS上，HIVE将HDFS上的结构化数据，映射成一张数据库表，类似excel或mysql表。hive的本质是将sql语句转化成mapreduce任务运行，HIVE使用户简化分布式计算程序的编写，集中精力于业务逻辑的处理。

hive不支持delete，update，适用于大数据的分析

HIVE的数据存储，数据库，表，视图，分区。数据库，表，分区对应HDFS上的目录，表数据对应目录下的文件。

HIVE关键3点，建表，导入数据，查询分析

HIVE的数据存储在HDFS中，没有专门的数据存储格式，可支持text file，sequencefile，RCfile，ParquetFlile

HIVE依赖RDBMS帮他存元数据，和一个文件系统帮他存真实数据。