大数据：基于Hadoop的数据仓库Hive的基本理论简介（附通俗说明

数据仓库Hive

Hive：是基于hadoop的一个数据仓库

用于：存储数据集合，在进行数据分析（既然分析了，那就肯定有结果，结果肯定有实际用途：为公司运营规划做支撑）

【存储、分析】

说详细了就是：将结构化的数据文件（如id time address area的网页访客） 映射为一张数据表，提供HQL的查询语句，转化为MapReduce在hadoop上执行

 

为什么用Hive：

1.操作接口是类似SQL语法的HQL

2.不用写MapReduce（查询逻辑复杂，开发难度大 成本高）

3.拓展功能方便，也是分布式的

4.有自定义的函数可以使用（延展性）

 

特点：

可拓展、延展性、容错性（因为是分布式的）、简单（HQL）、离线处理（日志）、处理大数据集

 

架构图：

 

 

请求——Hive + MySQL——MapReduce——HDFS

 

 

Hive和Hadoop的关系 

Hive利用HDFS存储，利用MapReduce查询——→所以上面说Hive用于存储数据集和分析数据，都不是在自身上完成的，都是借助hadoop里的两大核心元素完成的

 

和传统数据库的区别：

 

前面没有什么的，就是最后注意索引的区别，想想oracle的索引怎么玩的

 

安装：

安装元数据库—mysql。。。用navicat连接mysql。。。Hive的安装配置：

配置HIVE_HOME环境变量...配置元数据信息...

Hive应用。。。先启动Hadoop集群（HDFS和YARN）

创建库、创建表.......

——————————————————————————————————————

评论区互动话题：

对于理论知识，这样通俗的理解是好是坏？