閱讀目錄
本文版權歸mephisto和部落格園共有，歡迎轉載，但須保留此段宣告，並給出原文連結，謝謝合作。
文章是哥(mephisto)寫的，SourceLink
序
本系列已經有一個多月沒更新了，期間涉及到找相關對應的工作，所幸的事，得到了幾個offer，後來綜合考慮來到了目前這家工作。希望在接下來的時間裡，能融入整個社群中去，做出自己略微的貢獻。
上一篇，我們列舉了hadoop常用的命令，本應該給大家實戰下命令的使用的，後來還是想大家自己下去試驗試驗，接下來開始初略介紹hadoop生態圈中的hive。
下面我們開始介紹hive的介紹及安裝。
介紹
一：定義
Hive是建立在 Hadoop 上的資料倉儲基礎構架。它提供了一系列的工具，可以用來進行資料提取轉化載入（ETL），這是一種可以儲存、查詢和分析儲存在 Hadoop 中的大規模資料的機制。Hive 定義了簡單的類 SQL 查詢語言，稱為 HQL，它允許熟悉 SQL 的使用者查詢資料。同時，這個語言也允許熟悉 MapReduce 開發者的開發自定義的 mapper 和 reducer 來處理內建的 mapper 和 reducer 無法完成的複雜的分析工作。
二:適用場景
Hive 構建在基於靜態批處理的Hadoop 之上，Hadoop 通常都有較高的延遲並且在作業提交和排程的時候需要大量的開銷。因此，Hive 並不能夠在大規模資料集上實現低延遲快速的查詢，例如，Hive 在幾百MB 的資料集上執行查詢一般有分鐘級的時間延遲。
因此，Hive 並不適合那些需要低延遲的應用，例如，聯機事務處理（OLTP）。Hive 查詢操作過程嚴格遵守Hadoop MapReduce 的作業執行模型，Hive 將使用者的HiveQL 語句通過直譯器轉換為MapReduce 作業提交到Hadoop 叢集上，Hadoop 監控作業執行過程，然後返回作業執行結果給使用者。Hive 並非為聯機事務處理而設計，Hive 並不提供實時的查詢和基於行級的資料更新操作。Hive 的最佳使用場合是大資料集的批處理作業，例如，網路日誌分析。
三：設計特徵
Hive 是一種底層封裝了Hadoop 的資料倉儲處理工具，使用類SQL 的HiveQL 語言實現資料查詢，所有Hive 的資料都儲存在Hadoop 相容的檔案系統（例如，Amazon S3、HDFS）中。Hive 在載入資料過程中不會對資料進行任何的修改，只是將資料移動到HDFS 中Hive 設定的目錄下，因此，Hive 不支援對資料的改寫和新增，所有的資料都是在載入的時候確定的。Hive 的設計特點如下。
● 支援索引，加快資料查詢。
● 不同的儲存型別，例如，純文字檔案、HBase 中的檔案。
● 將後設資料儲存在關聯式資料庫中，大大減少了在查詢過程中執行語義檢查的時間。
● 可以直接使用儲存在Hadoop 檔案系統中的資料。
● 內建大量使用者函式UDF 來操作時間、字串和其他的資料探勘工具，支援使用者擴充套件UDF 函式來完成內建函式無法實現的操作。
● 類SQL 的查詢方式，將SQL 查詢轉換為MapReduce 的job 在Hadoop叢集上執行。
安裝
一：進入ambari
輸入ambari地址，登陸。
二：點選Services
三：新加hive服務
四：Pig
我們先沒有勾選Pig，提示pig也需要安裝。
五：分配安裝節點
將待裝服務分到到節點中去。
六：Hive配置
設定hive的配置，紅的是必填的，資料庫的密碼。
七：安裝，測試，啟動
開始安裝了，我們耐心的等待。
八：完成
--------------------------------------------------------------------
到此，本章節的內容講述完畢。
系列索引
本文版權歸mephisto和部落格園共有，歡迎轉載，但須保留此段宣告，並給出原文連結，謝謝合作。
文章是哥(mephisto)寫的，SourceLink