Hive概述
Hive是建立在Hadoop之上的数据仓库，可对存储在HDFS上的文件中的数据集进行数据整理、特殊查询和分析处理。Hive在某种程度上可以看成是用户编程接口，本身并不存储和处理数据，依赖于HDFS存储数据，依赖MapReduce处理数据。
数据仓库（Data Warehouse）是一个面向主题的（Subject Oriented）、集成的（Integrated）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的数据集合，用于支持管理决策。
Hive是Facebook开发的一个基于Hadoop的数据仓库工具。是一个在Hadoop上构建数据仓库的软件，它支持通过类SQL的HQL语言操作结构化的数据。
Hive一般用来作为公司级数据仓库，集中各业务线有价值的数据。对内部Hive提供离线海量数据分析服务：
- 数据挖掘
- 产品报表
- 经营分析
Hive定义了一种类似SQL的查询语言，被称为HQL，对于熟悉SQL的用户可以直接利用Hive来查询数据，但HiveQL不完全支 持SQL标准，如不支持更新操作、索引和事务，其子查询和连接操作也存在很多限制。同时，这个语言 也允许熟悉 MapReduce 开发者们开发自定义的mappers和reducers来处理内建的mappers和reducers无法完 成的复杂的分析工作。
Hive的应用场景和局限性
Hive通常应用在以下场景中：
Hive的局限性，主要表现在以下几个方面：
- 不是为在线事务处理而设计的。
- 为交互式数据浏览提供可接受的延迟。
- 不提供实时查询和行级更新。
- Hive查询的延迟通常非常高。
Hive和HBase的关系
Hive可以直接操作HDFS中的文件作为它的表的数据，也可以使用HBase数据库作为它的表。 Hive和HBase的数据流描述如下图所示。 数据源经过ETL工具被抽取到HDFS存储；再由Hive对原始数据进行清洗、处理和计算； Hive清洗处理后的结果，如果是面向海量数据随机查询场景的可存入Hbase，进而展开具体的数据应用。
那么Hive与Hbase有什么区别呢？
1)Hive中的表是纯逻辑表，就只是表的定义等，即表的元数据。Hive本身不存储数据，它完全依赖HDFS和MapReduce。这样就可以将结构化的数据文件映射为为一张数据库表，并提供完整的SQL查询功能，并将SQL语句最终转换为MapReduce任务进行运行。 而Hbase表是物理表，适合存放非结构化的数据。
2)Hive是基于MapReduce来处理数据,而MapReduce处理数据是基于行的模式；Hbase处理数据是基于列的而不是基于行的模式，适合海量数据的随机访问。
3)Hbase的表是疏松的存储的，因此用户可以给行定义各种不同的列；而Hive表是稠密型，即定义多少列，每一行有存储固定列数的数据。
4)Hive使用Hadoop来分析处理数据，而Hadoop系统是批处理系统，因此不能保证处理的低迟延问题；而Hbase是近实时系统，支持实时查询。
5)Hive不提供行级别的更新，它适用于大量append-only数据集（如日志）的批任务处理。而基于Hbase的查询，支持行级别的更新。
6)Hive提供完整的SQL实现，通常被用来做一些基于历史数据的挖掘、分析。而HBase是一个NoSQL，不适用与有join，多级索引，表关系复杂的应用场景。
