Hive 的优缺点
Hive 的优缺点
Hive 入门简单，更适合在对实时性要求不高的场景中处理大数据。
优点：Hive 类似 SQL 语法，入门更简单，更容易上手；开发者无需开发查询分析数据功能，直接利用 MapReduce 实现数据分析，降低开发者的学习成本；Hive 具有高可靠、高容错的特点，处理大规模数据更有优势；Hive 能够自定义存储格式和函数，用户可以基于自身业务需求进行数据处理。
缺点：Hive 延迟高，不适合实时性高的业务场景，也不适合处理小批量数据；Hive 仅支持普通视图，无法在视图上进行数据的增删改查等操作。
Hive 工作原理
Hive 工作原理
简而言之，Hive 的工作原理就是一个查询引擎接收 SQL，然后对任务进行编译，再进行数据的管理和分析。
Hive 的执行入口是 Driver，用户提交 SQL 逻辑语句到 Driver 进行数据查询，编译器获取该数据查询任务后，到 MetaStore 中查找元数据信息进行任务编译，并把结果返回给 Driver。Driver 再把结果提交到执行器去执行，最后返回用户响应的执行结果。用户可以在可视化工具中，查看数据分析视图。
Hive 数据类型
Hive 数据类型
数值类型
Hive 的数值类型数据包含7类：TINYINT、SMALLINT、INT、BIGINT、FLOAT、DOUBLE 和 DECIMAL。每一种类型数据的字节、精度、浮点数、有无符号整数都不同，是一个可变的字符串，用户可以根据需求进行类型转化。
日期类型
Hive 提供 DATE 类型和 TIMESTAMP 类型两种日期数据。DATE 类型数据格式为 yyyy-MM-dd；TIMESTAMP 类型数据格式为 yyyy-MM-dd HH:mm:ss.fffffffff，能精确到纳秒级别。
复杂类型
Hive 复杂类型数据包括 ARRAY、MAP、STRUCT 三种。其中，ARRAY 是有序数组，字段的类型必须相同；MAP 是一组无序的键值对；STRUCT 是一组命名的字段。
