基本原理
Hive构建在Hadoop之上：
1. 查询语句的解释、优化、计划生成，由Hive完成；
2. 所有的数据都是存储在Hadoop文件系统中；
3. 查询计划被转化为MapReduce任务，在Hadoop集群执行（有些查询没有MR任务，如：select * from table）
基本架构
1. 用户接口：Client
CLI（command-line interface）、JDBC/ODBC(通过 JDBC访问Hive)、WebUI（通过浏览器访问Hive）
2．元数据：Metastore
元数据包括：表名、表所属的数据库（默认是default）、表的拥有者、列/分区字段、表的类型（是否是外部表）、表的数据所在目录等。
元数据默认存储在自带的derby数据库中，推荐使用MySQL存储Metastore。
3．Hadoop
使用HDFS进行存储，使用MapReduce进行计算。
4．驱动器：Driver
- 解析器（SQL Parser）：通过 ANTLR等工具将SQL字符串转换成抽象语法树AST；对AST进行语法分析，比如表是否存在、字段是否存在、SQL语义是否有误；
- 编译器（Physical Plan）：将AST编译生成逻辑执行计划；
- 优化器（Query Optimizer）：对逻辑执行计划进行优化；
- 执行器（Execution）：把逻辑执行计划转换成 MapReduce 等可以运行的物理计划；
Hive和数据库的异同
由于Hive采用了SQL形式的查询语言HQL，所以很容易将Hive当成数据库。其实从结构上来看，Hive和数据库除了拥有类似的查询语言，再无类似之处。
HQL与关系型数据库的 SQL 略有不同，但支持了绝大多数的语句（如 DDL、DML）以及常见的聚合函数、连接查询、条件查询等操作。
Hive 不适合用于联机(online) 事务处理，也不提供实时查询功能。它最适合应用在基于大量不可变数据的批处理作业。Hive 的特点是可伸缩（在Hadoop 的集群上动态的添加设备），可扩展、容错、输入格式的松散耦合。
Hive和数据库的比较如下表：
比较项 | SQL | HiveQL |
ANSI SQL | 完全支持 | 部分支持 |
更新 | INSERT | UPDATE | DELETE | INSERT INTO / OVERWRITE |
事务 | 支持 | 不支持 |
模式 | 写模式 | 读模式 |
存储 | 块设备、本地文件系统 | HDFS |
延时 | 低 | 高 |
多表插入 | 不支持 | 支持 |
子查询 | 完全支持 | 仅 FROM 子句 |
视图 | Updatale | Read-Only |
数据规模 | 小 | 大 |
