一句话总结：
Hive 是数仓 SQL 工具，本身不做计算；
YARN 是 Hadoop 的资源调度管理器，给 Hive 的计算任务分配服务器资源，运行 MapReduce/Tez/Spark 计算程序；
一、各自角色
1. Hive
- Hive 是数仓工具，提供 Hive‑SQL，把我们写的 SQL 语句，编译翻译成分布式计算任务（MR / Tez / Spark）。
- Hive 本身不做真正的数据计算，只负责：解析 SQL、生成执行计划、生成任务。
- Hive 自己不管理 CPU、内存服务器资源。生成完任务之后，把任务提交给 YARN 去运行。
2. YARN
YARN 是 Hadoop 集群的资源调度框架。
负责整个集群机器的 CPU、内存资源管理；
接收各类应用提交的任务，分配 Container 容器，调度任务在各个节点运行，监控任务运行、失败重启。
不止 Hive 可以用 YARN，Spark、Flink、MR 程序都可以提交到 YARN 上跑。
二、完整执行流程（Hive on MapReduce 最经典）
- 用户写一条 Hive SQL，在 hive 客户端执行；
- Hive 解析、编译 SQL，生成 MapReduce 作业；
- Hive 客户端把这个 MR 作业提交给 YARN ResourceManager；
- RM 根据集群资源情况，分配 Container 容器；
- 在容器里面启动 Map Task、Reduce Task，读取 HDFS 上的数据做计算；
- 计算完成，结果写回 HDFS，Hive 拿到结果返回给客户端。
Hive 就像项目经理，写好施工方案；
YARN 是工地总管，分配工人机器资源，真正干活；
三、形象比喻
- Hive：翻译官，把 SQL 翻译成分布式任务说明书。
- YARN：工厂调度，分配机器内存 CPU，启动 task 真正干活。
- HDFS：仓库，存放原始数据和计算结果。
四、常见部署模式
- Hive‑on‑MR：SQL 编译成 MapReduce 任务，提交 YARN 运行（老常用）
- Hive‑on‑Tez：编译成 Tez 任务，提交 YARN
- Hive‑on‑Spark：编译 Spark 任务，提交 YARN
不管底层是 MR/Tez/Spark，资源全部由 YARN 统一调度。
五、重要区分
- Hive 不存储数据，数据存在HDFS；
- Hive 不调度资源，资源交给YARN；
- Hive 元数据（表名、分区、字段）存在MySQL 元数据库 Metastore；
六、精简版
Hive 是 Hadoop 上的数据仓库工具，提供 Hive‑SQL。Hive 本身不执行计算，它会把 SQL 解析编译成 MapReduce、Tez 或者 Spark 任务。
YARN 是 Hadoop 的资源调度框架，负责集群 CPU、内存资源管理。
Hive 将生成的计算作业提交给 YARN，由 YARN 分配 Container 容器，调度 Map、Reduce Task 在集群节点执行计算。
Hive 负责 SQL 解析生成计划，YARN 负责资源调度和实际任务运行。
Hive 的数据存储在 HDFS，元数据存放在 MySQL。
七、高频Q&A
Q：Hive 任务卡住，一定是 Hive 本身问题吗？
A：不一定。
- 如果任务还没提交 YARN：卡在 Hive 编译、Metastore 元数据查询；
- 如果任务已经提交 YARN：问题基本出在 YARN 侧：资源不足、数据倾斜、HDFS 读写异常。
Q：如果 YARN 挂了，Hive 还能用吗？
A：不能执行查询计算；只能做简单 show tables 这类元数据查询；所有需要计算的 SQL 全部无法运行。