Apache Hive數(shù)據(jù)倉庫平臺

Apache Hive（TM）數(shù)據(jù)倉庫軟件有助于使用SQL讀取，寫入和管理駐留在分布式存儲中的大型數(shù)據(jù)集。建立在Apache Hadoop（TM）之上，它提供：

• 通過SQL輕松訪問數(shù)據(jù)的工具，從而實現(xiàn)數(shù)據(jù)倉庫任務，例如提取/轉(zhuǎn)換/加載（ETL），報告和數(shù)據(jù)分析

• 一種將結(jié)構(gòu)強加于各種數(shù)據(jù)格式的機制

• 訪問直接存儲在Apache HDFS（TM）或其他數(shù)據(jù)存儲系統(tǒng)（例如Apache HBase（TM））中的文件

• 使用Apache Hadoop MapReduce，Apache Tez或Apache Spark框架執(zhí)行查詢。

Hive提供了標準的SQL功能，包括2003年和2011年以后的許多分析功能。其中包括OLAP函數(shù)，子查詢，公用表表達式等。Hive的SQL也可以通過用戶定義的函數(shù)（UDF），用戶定義的集合（UDAF）和用戶定義的表函數(shù)（UDTF）擴展為用戶代碼。

Hive用戶在執(zhí)行SQL查詢時可以選擇3種運行時。用戶可以選擇Apache Hadoop MapReduce，Apache Tez或Apache Spark框架作為執(zhí)行后端。MapReduce是一個成熟的框架，已得到大規(guī)模驗證。但是，MapReduce是純粹的批處理框架，使用它的查詢可能會遇到更高的延遲（數(shù)十秒），即使是在較小的數(shù)據(jù)集上也是如此。Apache Tez專為交互式查詢而設計，與MapReduce相比，已大大減少了開銷。Apache Spark是一個集群計算框架，建立在MapReduce之外，但在HDFS之上，具有可稱為項目的可組合且可轉(zhuǎn)換的分布式集合的概念，稱為彈性分布式數(shù)據(jù)集（RDD），它無需MapReduce引入的傳統(tǒng)中間階段即可進行處理和分析。

用戶可以隨時在這些框架之間來回切換。在每種情況下，Hive都最適合處理的數(shù)據(jù)量足以需要分布式系統(tǒng)的用例。

Hive不適用于在線交易處理。最好用于傳統(tǒng)的數(shù)據(jù)倉庫任務。Hive旨在最大程度地提高可擴展性（通過向Hadoop集群動態(tài)添加更多計算機來進行橫向擴展），性能，可擴展性，容錯以及輸入格式的松散耦合。