hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张表（类SQL的查询）
hive是部署于hadoop上，hive的数据在hdfs上，hive的元数据存储于mysql中（元数据是地址等信息）
元数据默认存储于derby上，该为mysql，由于mysql支持多用户
本质：将HSL转化成MapReduce程序
hive的底层引擎：
mr(溢出磁盘)，spark，tez(没有溢出磁盘，内存处理)
（1）操作接口采用类SQL语法，提供快速开发的能力
（2）避免了去写MapReduce
（3）Hive执行延迟高，因此Hive常用于数据分析，实时性不高的场合
（4）Hive处理大数据
（5）Hive支持用户自定义函数，用户可以根据自己需求来实现自己的函数
（1）Hive的HQL表达能力有限
1）迭代式算法无法表达
2）数据挖掘方面不擅长，由于MapReduce数据处理流程限制
（2）Hive的效率低
1）MapReduce不够智能化
2）Hive调优比较困难
（1）查询语言。类 SQL 的查询语言 HQL。熟悉 SQL 开发的开发者可以很方便的使用 Hive 进行开发。
（2）数据存储位置。所有 Hive 的数据都是存储在 HDFS 中的。而数据库则可以将数据保存在块设备或者本地文件系统中。
（3）数据格式。Hive 中没有定义专门的数据格式。而在数据库中，所有数据都会按照一定的组织存储，因此，数据库加载数据的过程会比较耗时。
mysql是先有表，再有数据，而hive先有数据在有表（数据put上去）
（4）数据更新。Hive 对数据的改写和添加比较弱化，0.14版本之后支持，需要启动配置项。而数据库中的数据通常是需要经常进行修改的。
Hive一般不对数据的更新，删除，只是查询添加，之前都是先下载更新在覆盖写回去，现在支持直接添加insert，但是添加一条数据就是一个文件，一般不适用
（5）索引。Hive 在加载数据的过程中不会对数据进行任何处理（map阶段数据是一行行进入的，打索引也没有用）。因此访问延迟较高。数据库可以有很高的效率，较低的延迟。由于数据的访问延迟较高，决定了 Hive 不适合在线数据查询。
（6）执行计算。Hive 中执行是通过 MapReduce 来实现的而数据库通常有自己的执行引擎。
Hive的执行效率低，数据量大，MapReduce执行运算
（7）数据规模。由于 Hive 建立在集群上并可以利用 MapReduce 进行并行计算，因此可以支持很大规模的数据；对应的，数据库可以支持的数据规模较小。
7、元数据存储metastore是hive元数据的集中存放地
Hive默认使用的元数据库为derby（相当于引擎），开启Hive之后就会占用元数据库，且不与其他客户端共享数据
改为了mysql，所以元数据在mysql上（元数据就是一些映射地址），mysql支持多用户，derby只能有一个用户
hive.log
hive.log.2021-09-26
eg：零点就会将hive.log变成hive.log.2021-09-27,在生成一个新的hive.log
hive中没有专门的数据文件格式，常用几种：
（1）TextFile：默认的存储格式，文本格式，此格式的表文件在HDFS上是明文（可以cat），数据没有压缩（元数据多大，存储上去就是多大）
（2）RCFile：列文件格式，查询较快
（3）ORCFile：列文件格式存储，又增加了压缩比，性能高
（4）Parquet：集合格式，扁平化的（直观的数据）
（5）SEQUENCEFILE：二进制格式（了解）
（6）AVRO：二进制格式（了解）
