推荐阅读下这篇文章：[Hadoop 生态里，为什么 Hive 活下来了？](https://www.infoq.cn/article/kmkmw04qakslsmwe0vqg) Hive 是 **基于 Hadoop 的数据仓库工具**，最早由 Facebook 开发，用来解决在 海量结构化日志文件 上做统计分析时，**写 MapReduce 太麻烦的问题**。 可以把 Hive 理解成 **“在 Hadoop 上跑的 SQL 引擎”**： 核心概念: 1. **数据仓库工具**: Hive 本身不是数据库，它是一个数据仓库框架，存储依赖 HDFS，计算依赖 MapReduce、Tez 或 Spark。 2. **SQL 接口**: Hive 提供类 SQL 语言 —— **HiveQL**，用户可以用 SQL 写查询，Hive 会把它翻译成底层的 MapReduce（或 Spark/Tez）任务来执行。 3. **批处理系统**: Hive 的查询延迟较高（秒级到分钟级），适合大规模离线分析，而不是实时查询。 Hive 的主要功能: - **数据存储**：数据放在 HDFS 上，可以是文本、Parquet、ORC 等格式。 - **数据查询**：使用 HiveQL（类 SQL）来查询，不用写 MapReduce。 - **元数据管理**：Hive 使用 **Metastore**（通常是 MySQL/PostgreSQL）来存储表的 schema、分区信息。 - **扩展性**：可以接入 Spark、Tez 等引擎来加速。 Hive 的适用场景 - ✅ 海量日志分析 - ✅ 数据仓库构建 - ✅ ETL（数据清洗、转换、加载） - ❌ 不适合实时查询（延迟较高） - ❌ 不适合高并发小查询（更适合用 Presto/Impala/ClickHouse）