Hive最初是應(yīng)Facebook每天產(chǎn)生的海量新興社會(huì)網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行管理和機(jī)器學(xué)習(xí)的需求而產(chǎn)生和發(fā)展的。那么，到底什么是Hive，我們先看看Hive官網(wǎng)Wiki是如何介紹Hive的

The Apache Hive data warehouse software facilitates querying and managing large datasets residing in distributed storage.Built on top of Apache HadoopTM, it provides:　　
(1)、Tools to enable easy data extract/transform/load (ETL)　　
(2)、A mechanism to impose structure on a variety of data formats　　
(3)、Access to files stored either directly in Apache HDFSTM or in other data storage systems such as Apache HBaseTM
(4)、Query execution via MapReduce

上面英文的大致意思是：
Apache Hive數(shù)據(jù)倉庫軟件提供對(duì)存儲(chǔ)在分布式中的大型數(shù)據(jù)集的查詢和管理，它本身是建立在Apache Hadoop之上，主要提供以下功能：
（1）它提供了一系列的工具，可用來對(duì)數(shù)據(jù)進(jìn)行提取/轉(zhuǎn)化/加載（ETL）；
（2）是一種可以存儲(chǔ)、查詢和分析存儲(chǔ)在HDFS（或者HBase）中的大規(guī)模數(shù)據(jù)的機(jī)制；
（3）查詢是通過MapReduce來完成的（并不是所有的查詢都需要MapReduce來完成，比如select * from XXX就不需要；
（4）在Hive0.11對(duì)類似select a,b from XXX的查詢通過配置也可以不通過MapReduce來完成

上面的意思很明白了.這里再給他提煉一下：
1.hive是一個(gè)數(shù)據(jù)倉庫
2.hive基于hadoop。
總結(jié)為一句話：hive是基于hadoop的數(shù)據(jù)倉庫。

Hive是一種建立在Hadoop文件系統(tǒng)上的數(shù)據(jù)倉庫架構(gòu)，并對(duì)存儲(chǔ)在HDFS中的數(shù)據(jù)進(jìn)行分析和管理；
**（也就是說對(duì)存儲(chǔ)在HDFS中的數(shù)據(jù)進(jìn)行分析和管理，我們不想使用手工，我們建立一個(gè)工具把，那么這個(gè)工具就可以是hive）
**

那么，我們?nèi)绾蝸矸治龊凸芾砟切?shù)據(jù)呢？　　
Hive定義了一種類似SQL的查詢語言，被稱為HQL，對(duì)于熟悉SQL的用戶可以直接利用Hive來查詢數(shù)據(jù)。同時(shí)，這個(gè)語言也允許熟悉 MapReduce 開發(fā)者們開發(fā)自定義的mappers和reducers來處理內(nèi)建的mappers和reducers無法完成的復(fù)雜的分析工作。Hive可以允許用戶編寫自己定義的函數(shù)UDF，來在查詢中使用。Hive中有3種UDF：User Defined Functions（UDF）、User Defined Aggregation Functions（UDAF）、User Defined Table Generating Functions（UDTF）?！　?br> 今天，Hive已經(jīng)是一個(gè)成功的Apache項(xiàng)目，很多組織把它用作一個(gè)通用的、可伸縮的數(shù)據(jù)處理平臺(tái)?！　?br> 當(dāng)然，Hive和傳統(tǒng)的關(guān)系型數(shù)據(jù)庫有很大的區(qū)別，Hive將外部的任務(wù)解析成一個(gè)MapReduce可執(zhí)行計(jì)劃，而啟動(dòng)MapReduce是一個(gè)高延遲的一件事，每次提交任務(wù)和執(zhí)行任務(wù)都需要消耗很多時(shí)間，這也就決定Hive只能處理一些高延遲的應(yīng)用（如果你想處理低延遲的應(yīng)用，你可以去考慮一下Hbase）。同時(shí)，由于設(shè)計(jì)的目標(biāo)不一樣，Hive目前還不支持事務(wù)；不能對(duì)表數(shù)據(jù)進(jìn)行修改（不能更新、刪除、插入；只能通過文件追加數(shù)據(jù)、重新導(dǎo)入數(shù)據(jù)）；不能對(duì)列建立索引（但是Hive支持索引的建立，但是不能提高Hive的查詢速度。如果你想提高Hive的查詢速度，請(qǐng)學(xué)習(xí)Hive的分區(qū)、桶的應(yīng)用）。

hive與hbase的聯(lián)系與區(qū)別：
共同點(diǎn)：
1.hbase與hive都是架構(gòu)在hadoop之上的。都是用hadoop作為底層存儲(chǔ)
區(qū)別：
2.Hive是建立在Hadoop之上為了減少M(fèi)apReduce jobs編寫工作的批處理系統(tǒng)，HBase是為了支持彌補(bǔ)Hadoop對(duì)實(shí)時(shí)操作的缺陷的項(xiàng)目 。
3.想象你在操作RMDB數(shù)據(jù)庫，如果是全表掃描，就用Hive+Hadoop,如果是索引訪問，就用HBase+Hadoop 。
4.Hive query就是MapReduce jobs可以從5分鐘到數(shù)小時(shí)不止，HBase是非常高效的，肯定比Hive高效的多。
5.Hive本身不存儲(chǔ)和計(jì)算數(shù)據(jù)，它完全依賴于HDFS和MapReduce，Hive中的表純邏輯。
6.hive借用hadoop的MapReduce來完成一些hive中的命令的執(zhí)行
7.hbase是物理表，不是邏輯表，提供一個(gè)超大的內(nèi)存hash表，搜索引擎通過它來存儲(chǔ)索引，方便查詢操作。
8.hbase是列存儲(chǔ)。
9.hdfs作為底層存儲(chǔ)，hdfs是存放文件的系統(tǒng)，而Hbase負(fù)責(zé)組織文件。
10.hive需要用到hdfs存儲(chǔ)文件，需要用到MapReduce計(jì)算框架。

點(diǎn)我查看 == > 原文鏈接