在大數據生態中，hive一般作爲數據倉庫來使用。 Hive本身是不做數據存儲的，它是構建在分佈式存儲系統HDFS之上，我們平常看到的表數據其實本質上來說還是HDFS的文件。 Hive把這些HDFS數據文件，通過元數據規則映射爲數據庫的表，並且可以提供SQL操作的功能。Hive總體結構比較簡單，總體有三個組件：用戶接口、元數據系統、驅動器。
用戶通過用戶接口來輸入操作指令。一般接口有三種形式：
CLI端：一般在Linux服務器直接輸入hive即可進入; WEB模式：通過命令bin/hive --service hwi啓動，默認訪問9999端口; 遠程模式：一般是JDBC之類的編程接口;
Hive的核心在於驅動器，一般驅動器接收到用戶接口傳遞的一條SQL之後，會進行下面的一系列操作：
• 驅動器開始進行語法和語義分析
• 生成邏輯計劃並且邏輯優化
• 生成物理計劃
• 發送計劃到執行引擎(常用有mapredue和sprk)執行
• 結果返回
常用hive語法：
分組統計
一般常用的分組就是group by了，然後配合上一些窗口函數， SUM、AVG、MIN、MAX、COUNT等，就可以實現我們很多統計需求了。
• 關聯查詢
有時候我們查詢的數據存放在不同的表中，那關聯查詢就派上用場了。所謂關聯查詢，一般就是通過兩張表相同的字段值關聯起來，同時查詢兩張表的記錄。Hive中常用關聯分內外關聯。
我們先建立兩張簡單的表tab_a和tab_b，用實例來說明關聯機制。表結構和表數據如下圖所示：
內關聯一般使用關鍵字Join或inner join，內關聯只返回關聯上的結果。
外關聯的形式就比較多樣化了，又分爲：
左外關聯：關鍵字爲left [outer] join，以前邊的表爲主表，返回記錄數和主表記錄一致，關聯不上的字段爲null;
右外關聯：關鍵字爲right [outer] join，和左外關聯相反，則是以後邊的表爲主表；
全外關聯：full [outer] join，返回兩個表的去重之和，關聯不上的字段爲null。
行列轉換
有時候我們會需要把多列的數據平鋪到一行上輸出。比如查詢用戶的訪問軌跡，這時候有兩個函數就起上作用了。
這兩個sql的作用都是把每個用戶的點擊軌跡拼接暫展示出來，其中collect_set和collect_set能夠把列數據合併，轉爲一行。而兩個的唯一區別就是collect_set會進行去重。
優勢和不足：
Hive目前作爲業內使用最爲廣泛的數據倉庫工具，有着很多優點： 高可靠、容錯性高、擴展性強。
HQL語法和傳統SQL類似，且內置大量處理函數支持的存儲格式種類多，兼容性強。用戶接口多，支持各種形式的調用。但是hive也有它自身的一些不足，比如：
OLTP支持不足，不支持事務，目前只有比較新的版本纔可以實現行列級別更新且對格式要求嚴格。
完成加米穀大數據培訓的相關課程，可以在加米穀大數據申請考取[大數據專業人才技能證書]（大數據工程師證書，數據分析師證書），證書由中國管理科學研究院學術委員會簽發。證書詳情及相關內容可聯繫加米穀大數據張老師進行了解。
學習大數據可以參考下加米穀！加米穀大數據零基礎開發班六月開課，現在諮詢還有機會獲得免費試聽名額+學費優惠+大數據內部資料！名額有限，先到先得，送完即止。趕緊來諮詢吧！