Hive原理
Hive 是构建在 Hadoop 上的数据仓库工具，其核心原理是通过类 SQL 语言（HiveQL）将结构化数据查询转换为分布式计算任务（如 MapReduce、Tez、Spark），并利用 HDFS 存储数据。以下是 Hive 的核心原理和架构：
1. 核心设计思想
- 数据仓库抽象：将 HDFS 上的文件抽象为表结构，提供类 SQL 接口（HiveQL）进行查询。
- 元数据管理：通过 Hive Metastore 存储表结构、分区、存储路径等元信息（表名、列类型、文件位置等）。
- 计算与存储解耦：数据存储在 HDFS 上，计算由 MapReduce/Tez/Spark 等引擎执行，Hive 仅负责查询解析和任务调度。
2. Hive 架构及核心组件
Hive 的架构分为以下关键模块：
| 件 | 功能描述 |
|---|---|
| Hive CLI/Beeline | 用户交互接口，接收 HiveQL 查询并提交到 Driver。 |
| Driver | 解析、编译、优化查询，生成执行计划并提交到计算引擎（如 YARN）。 |
| Compiler | 将 Hive |