Hive 原理实践

栏目: 服务器 · 发布时间: 5年前

Hive基本架构

Hive 原理实践

Driver组件 :核心组件,整个Hive的核心,该组件包括Complier(编译器)、Optimizer(优化器)和Executor(执行器),它们的作用是对Hive SQL语句进行解析、编译优化,生成执行计划,然后调用底层的MapReduce计算框架。

Metastore组件 :元数据服务组件,这个组件存储Hive的元数据。支持的关系型数据库有Derby和MySQL。

CLI :命令行接口

Thrift Server :提供JDBC和ODBC接入能力,用户进行可扩展且跨语言的服务开发。Hive集成了该服务,能让不同的编程语言调用Hive的接口。

Hive Web Interface(HWI) :Hive客户端提供了一种通过网页方式访问Hive所提供的服务。这个接口对应Hive的HWI组件。

Hive通过CLI、JDBC/ODBC 或者HWI接收相关的Hive SQL查询,并通过Driver组件进行编译,分析优化,最后变成可执行的MapReduce。

HIVE  SQL

hive表:分内部表和外部表

内部表:会把hdfs目录文件移动到hive对应的目录。删除表对应的表接口和文件也会一起删除。

外部表:不会移动关联的hdfs文件,删除表只会删除表结构。

使用场景:如果数据的所有处理都在hive中进行,那么更倾向于选择内部表,但如果Hive和其它 工具 针对相同的数据集做处理,那么外部表更合适。

分区和分桶

分区可以让数据的部分查询变更更快,表或者分区可以进一步划分为桶,桶通常在原始数据中加入一些额外的结构,这些结构可以用于高效查询。

分桶通常有两个原因:一是高效查询,二是高效的进行抽样。

Hive SQL执行原理:

大致归三类:select语句、group by 语句、join语句。

流程:输入分片->Map阶段->Combiner(可选)->Shuffle阶段(分区、 排序 、分隔、复制、合并等过程)-> Reduce阶段-> 输出文件。

其他SQL on Hadoop技术 :Impala、Drill、HAWQ、Presto、Dremel、Spark SQL。

Hive优化

主要挑战数据倾斜:group by 引起的倾斜优化、Count distinct 优化、大表join小表(mapjoin)优化、大表join大表优化。


以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

The Pragmatic Programmer

The Pragmatic Programmer

Andrew Hunt、David Thomas / Addison-Wesley Professional / 1999-10-30 / USD 49.99

本书直击编程陈地,穿过了软件开发中日益增长的规范和技术藩篱,对核心过程进行了审视――即根据需求,创建用户乐于接受的、可工作和易维护的代码。本书包含的内容从个人责任到职业发展,直至保持代码灵活和易于改编重用的架构技术。从本书中将学到防止软件变质、消除复制知识的陷阱、编写灵活、动态和易适应的代码、避免出现相同的设计、用契约、断言和异常对代码进行防护等内容。一起来看看 《The Pragmatic Programmer》 这本书的介绍吧!

CSS 压缩/解压工具
CSS 压缩/解压工具

在线压缩/解压 CSS 代码

Base64 编码/解码
Base64 编码/解码

Base64 编码/解码

XML、JSON 在线转换
XML、JSON 在线转换

在线XML、JSON转换工具