what
定义：
是一种数据仓库架构，建立在hadoop之上
主要作用：
存储、查询、分析存放在HDFS/HBase中的大规模数据
执行原理：
Hive有自己的类SQL，即HQL，它将SQL解析为M/R Job，然后在hadoop上执行。允许开发自定义mapper和reducer来处理内建的mapper和reducer无法完成的复杂分析工作再查询（UDF）。而启动MapReduce是一个高延迟的一件事，每次提交任务和执行任务都需要消耗很多时间，这也就决定Hive只能处理一些高延迟的应用。
存储原理：
hive的数据存储在HDFS上，hive的表其实就是HDFS的目录，hive没有自己的数据存储格式，存储结构主要包括：数据库、文件、表、视图、索引。hive默认可以直接加载text文本文件等。创建表时，指定hive的数据的列分隔符与行分隔符，hive即可解析数据。所以，往Hive表里面导入数据只是简单的将数据移动到表所在的目录中（如果数据是在HDFS上；但如果数据是在本地文件系统中，那么是将数据复制到表所在的目录中）。
Hive中主要包含以下几种数据模型：Table（表），External Table（外部表），Partition（分区），Bucket（桶）。
表：
Hive中的表和关系型数据库中的表在概念上很类似，每个表在HDFS中都有相应的目录用来存储表的数据，这个目录可以通过${HIVE_HOME}/conf/hive-site.xml配置文件中的hive.metastore.warehouse.dir属性来配置，这个属性默认的值是/user/hive/warehouse（这个目录在HDFS上），我们可以根据实际的情况来修改这个配置。如果我有一个表table1，那么在HDFS中会创建/user/hive/warehouse/table1目录（这里假定hive.metastore.warehouse.dir配置为/user/hive/warehouse）；table1表所有的数据都存放在这个目录中。有个例外是外部表。
外部表：
Hive中的外部表和表很类似，但是其数据不是放在自己表所属的目录中，而是存放到别处，这样的好处是如果你要删除这个外部表，该外部表所指向的数据是不会被删除的，它只会删除外部表对应的元数据；而如果你要删除内部表，该表对应的所有数据包括元数据都会被删除。
分区：
在Hive中，表的每一个分区对应表下的相应目录，所有分区的数据都是存储在对应的目录中。比如table1表有dt和city两个分区，则对应dt=20131218,city=BJ对应表的目录为/user/hive/warehouse/dt=20131218/city=BJ，所有属于这个分区的数据都存放在这个目录中。
桶：
对指定的列计算其hash，根据hash值切分数据，目的是为了并行，每一个桶对应一个文件（注意和分区的区别）。比如将table1表id列分散至16个桶中，首先对id列的值计算hash，对应hash值为0和16的数据存储的HDFS目录为：/user/hive/warehouse/table1/part-00000；而hash值为2的数据存储的HDFS 目录为：/user/hive/warehouse/ table1/part-00002。
由于Hive的元数据需要不断的更新、修改，而HDFS系统中的文件是多读少改的，这显然不能将Hive的元数据存储在HDFS中。目前Hive将元数据存储在数据库中，如Mysql、Derby中。
特点（与RDBMS相比）：
由于设计的目标不一样，Hive目前还不支持事务；不能对表数据进行修改（不能更新、删除、插入；只能通过文件追加数据、重新导入数据）；不能对列建立索引（但是Hive支持索引的建立，但是不能提高Hive的查询速度。如果你想提高Hive的查询速度，请学习Hive的分区、桶的应用）。
与传统数据库对比：在传统的RMDB中，表的模式是在数据加载的时候强行确定好的。如果在加载时发现数据不符合模式，则拒绝加载这些数据。而Hive在加载的过程中不对数据进行任何的验证操作，其只是简单的将数据复制或者移动到表对应的目录下面（${ HIVE_HOME}/warehouse/xxx）。从这方面来说，传统数据库在数据加载的过程中比Hive要慢。但是因为传统数据库在数据加载过程中可以进行一些处理，比如对某一列建立索引等，这样可以提升数据的查询性能。而在这方面Hive不行。数据库的事务、索引以及更新都是传统数据库的重要特性。但是Hive到目前也不支持更新（这里说的是对行级别的数据进行更新），不支持事务；虽然Hive支持建立索引，但是它还不能提升数据的查询速度。
Hive和hadoop的集群关系：
Hive相当于是hadoop的客户端工具，部署时不一定放在集群管理节点上
系统架构：
用户接口包括CLI（即shell）、JDBC/ODBC、WebUI；
元数据（如表名、列、表的属性（是否为外部表等）、表所在目录等）通常是存储在关系型数据库的metastore数据库中，如mysql、derby中；
解释器、编译器、优化器、执行器完成HQL查询语句从词法分析、语法分析、编译、优化以及查询计划（plan）的生成，生成的查询计划存储在HDFS中，并随后由MapReduce调用执行；
用HDFS存储、用MapReduce计算。
why
hive是一种数据仓库（DataWarehouse），数据仓库将不同的数据库中的数据源整合到一起进行数据分析。数据仓库的输入方是各种各样的数据源，最终的输出用于企业的数据分析、数据挖掘、数据报表等方向。
不同数据源的数据集成，所以靠的是ETL。
- Extract，数据抽取，也就是把数据从数据源读出来。
- Transform，数据转换，把原始数据转换成期望的格式和维度。如果用在数据仓库的场景下，Transform也包含数据清洗，清洗掉噪音数据。
- Load，数据加载，把处理后的数据加载到目标处，比如数据仓库。
how
hive的使用：
(1)命令行方式CLI：shell
(2)脚本文件方式：实际生产中用的最多的方式
(3)JDBC方式：hiveserver
(4)web GUI接口：hwi方式
will
数据库：传统的关系型数据库的主要应用，主要是基本的、日常的事务处理，例如银行交易。
数据仓库：数据仓库系统的主要应用主要是OLAP（On-Line Analytical Processing），支持复杂的分析操作，侧重决策支持，并且提供直观易懂的查询结果。
数据库和数据仓库存放的货物基本相同，但是摆放的方式不一样，一种侧重于业务，一种侧重于反映本质的维度。
