Hive起源于Facebook，Facebook公司有着大量的日志数据，而Hadoop是实现了MapReduce模式开源的分布式并行计算的框架，可轻松处理大规模数据。然而MapReduce程序对熟悉Java语言的工程师来说容易开发，但对于其他语言使用者则难度较大。因此Facebook开发团队想设计一种使用SQL语言对日志数据查询分析的工具，而Hive就诞生于此，只要懂SQL语言，就能够胜任大数据分析方面的工作，还节省了开发人员的学习成本。
Hive是建立在Hadoop文件系统上的数据仓库，它提供了一系列工具，能够对存储在HDFS中的数据进行数据提取、转换和加载（ETL），这是一种可以存储、查询和分析存储在Hadoop中的大规模数据的工具。Hive定义简单的类SQL查询语言（即HQL），可以将结构化的数据文件映射为一张数据表，允许熟悉SQL的用户查询数据，允许熟悉MapReduce的开发者开发mapper和reducer来处理复杂的分析工作，与MapReduce相比较，Hive更具有优势。Hadoop 集群架构
Hadoop 集群主要由两个部分组成：HDFS（Hadoop Distributed File System）集群和 YARN（Yet Another Resource Negotiator）集群。
- HDFS 集群 ：负责海量数据的存储。
- NameNode：主节点，负责管理文件系统的命名空间和控制对文件的访问。
- DataNode：数据节点，负责存储实际的数据。
- SecondaryNameNode：辅助NameNode，主要用来合并编辑日志和文件系统映像，以防NameNode故障。
- YARN 集群 ：负责海量数据运算时的资源调度。
- ResourceManager：全局资源管理器，负责整个集群资源的分配和任务调度。
- NodeManager：节点资源管理器，负责单个节点上的资源管理和任务监控。
Hive 架构
Hive 架构主要包括以下几个部分：
- 用户接口（Client）：包括命令行接口（CLI）、JDBC/ODBC接口以及Web UI，用户通过这些接口提交SQL查询语句。
- 元数据存储（Metastore）：存储表的元数据信息，如表名、列名、表的数据位置等。这些信息存储在关系型数据库中，如MySQL。
- Hive Driver：负责接收用户的查询语句，并调用元数据和查询处理器进行处理。
- 查询处理器（Query Processor）：将用户提交的HiveQL语句转换为MapReduce或Tez等可执行计划。查询处理器包括解析器、编译器、优化器和执行器四个部分。
- Hive Execution Engine：执行计划的实际执行者，默认使用Hadoop MapReduce，也可以配置使用Apache Tez或Apache Spark。
Hive是底层封装了Hadoop的数据仓库处理工具，运行在Hadoop基础上，其系统架构组成主要包含4部分，分别是用户接口、跨语言服务、底层驱动引擎及元数据存储系统。
基于Hadoop搭建的Hive执行查询流程和架构
- 用户提交查询：用户通过 Hive 界面（命令行或 Web UI）将查询发送到 Hive Driver。
- 获取计划：Hive Driver 借助查询编译器解析查询，检查语法和查询计划或要求。
- 获取元数据：编译器将元数据请求发送到 Metastore，以获取与查询相关的元数据信息。
- 发送元数据：Metastore 将元数据作为响应发送给编译器。
- 发送计划：编译器检查需求并将计划重新发送给 Hive Driver。至此，查询的解析和编译已经完成。
- 执行计划：Hive Driver 将执行计划发送给执行引擎，如MapReduce、Tez或Spark。
- 执行作业：作业的执行过程内部是一个 MapReduce 作业。执行引擎将作业发送到 YARN 的 ResourceManager，并将该作业分配给数据节点的 NodeManager。此外，查询在此阶段执行 MapReduce 作业。
- 元数据操作：在执行过程中，执行引擎可以通过 Metastore 执行元数据操作。
- 获取结果：执行结束后，执行引擎从数据节点接收结果。
- 发送结果：获取结果后，执行引擎将这些结果值发送给 Hive Driver，最终发送到 Hive 接口
Hive工作原理
Hive建立在Hadoop系统之上，因此Hive底层工作依赖于Hadoop服务，Hive底层工作原理如下所示。
(1) CLI将用户提交的HiveQL语句发送给DRIVER。
(2) DRIVER将HiveQL语句发送给COMPILER获取执行计划。
(3) COMPILER从METASTORE获取HiveQL语句所需的元数据。
(4) METASTORE将查询到的元数据信息发送给COMPILER。
(5) COMPILER得到元数据后，首先将HiveQL语句转换为抽象语法树，然后将抽象语法树转换为查询块，接着将查询块转换为逻辑执行计划，最后将逻辑执行计划转换为物理执行计划，并将物理执行计划解析为MapReduce任务发送给DRIVER。
(6) DRIVER将MapReduce任务发送给EXECUTION ENGINE（执行引擎）执行。
(7) CLI向DRIVER发送获取HiveQL语句执行结果的请求。
(8) DRIVER与EXECUTION ENGINE进行通信，请求获取HiveQL语句执行结果的请求。
(9) EXECUTION ENGINE向NameNode发送请求获取HiveQL语句执行结果的请求。