03.Hive和数据库比较

Leefs 2021-11-27 PM 1470℃ 0条

[TOC]

### 前言

由于Hive采用了SQL的查询语言HQL，因此很容易将Hive理解为数据库。其实从结构上来看，Hive和数据库除了拥有类似的查询语言，再无类似之处。数据库可以用在Online的应用中，但是**Hive是为数据仓库而设计**的，清楚这一点，有助于从应用角度理解Hive的特性。

### 一、Hive和传统数据库对比

| 属性         | Hive                  | 传统数据库              |
| ------------ | --------------------- | ----------------------- |
| 查询语言     | HQL                   | SQL                     |
| 数据存储位置 | HDFS                  | Raw Device或者 Local FS |
| 数据格式     | 用户自定义            | 系统决定                |
| 数据更新     | 不支持                | 支持                    |
| 执行         | MapReduce             | Excutor                 |
| 执行延迟     | 高                    | 低                      |
| 处理数据规模 | 大                    | 小                      |
| 索引         | 0.8版本后加入位图索引 | 有复杂的索引            |
| 可扩展性     | 高                    | 低                      |

### 二、对比说明

#### 2.1 查询语言

由于SQL被广泛的应用在数据仓库中，因此，专门针对Hive的特性设计了类SQL的查询语言HQL。熟悉SQL开发的开发者可以很方便的使用Hive进行开发。

#### 2.2 数据存储位置

Hive 是建立在Hadoop之上的，所有Hive的数据都是存储在 HDFS 中的。而数据库则可以将数据保存在块设备或者本地文件系统中。

#### 2.3 数据格式

Hive中没有定义专门的数据格式，数据格式可以由用户指定，用户定义数据格式需要指定三个属性：

+ 列分隔符（通常为空格、”\t”、”\x001″）
+ 行分隔符（”\n”）
+ 读取文件数据的方法（Hive 中默认有三个文件格式TextFile，SequenceFile以及RCFile）。

由于在加载数据的过程中，不需要从用户数据格式到Hive定义的数据格式的转换，因此，**Hive在加载的过程中不会对数据本身进行任何修改，而只是将数据内容复制或者移动到相应的HDFS目录中**。

而在数据库中，不同的数据库有不同的存储引擎，定义了自己的数据格式。所有数据都会按照一定的组织存储，因此，数据库加载数据的过程会比较耗时。

#### 2.4 数据更新

由于Hive是针对数据仓库应用设计的，而数据仓库的内容是读多写少的。因此，Hive中不建议对数据的改写，所有的数据都是在加载的时候确定好的。

而数据库中的数据通常是需要经常进行修改的，因此可以使用 `INSERT INTO … VALUES` 添加数据，使用 `UPDATE … SET` 修改数据。

#### 2.5 索引

+ Hive在加载数据的过程中不会对数据进行任何处理，甚至不会对数据进行扫描，因此也没有对数据中的某些Key建立索引。

+ Hive要访问数据中满足条件的特定值时，需要暴力扫描整个数据，因此访问延迟较高。
+ 由于MapReduce的引入， Hive 可以并行访问数据，因此即使没有索引，对于大数据量的访问，Hive 仍然可以体现出优势。

数据库中，通常会针对一个或者几个列建立索引，因此对于少量的特定条件的数据的访问，数据库可以有很高的效率，较低的延迟。**由于数据的访问延迟较高，决定了Hive不适合在线数据查询**。

#### 2.6 执行

+ Hive中大多数查询的执行是通过Hadoop提供的MapReduce来实现的。

+ 数据库通常有自己的执行引擎。

#### 2.7 执行延迟

Hive在查询数据的时候，由于没有索引，需要扫描整个表，因此延迟较高。另外一个导致Hive执行延迟高的因素是MapReduce框架。由于MapReduce本身具有较高的延迟，因此在利用MapReduce执行Hive查询时，也会有较高的延迟。

相对的，数据库的执行延迟较低。 当然，这个低是有条件的，即数据规模较小，当数据规模大到超过数据库的处理能力的时候， Hive的并行计算显然能体现出优势。

#### 2.8 可扩展性

+ 由于Hive是建立在Hadoop之上的，因此Hive的可扩展性是和Hadoop的可扩展性是一致的。

+ 数据库由于 ACID 语义的严格限制，扩展行非常有限。目前最先进的并行数据库Oracle在理论上的扩展能力也只有100台左右。

#### 2.9 数据规模

由于Hive建立在集群上并可以利用 MapReduce进行并行计算，因此可以支持很大规模的数据；对应的，数据库可以支持的数据规模较小。

*附参考文章链接：*

*https://blog.csdn.net/carolzhang8406/article/details/77944565*

标签: Hadoop, Hive

非特殊说明，本博所有文章均为博主原创。

如若转载，请注明出处：https://lilinchao.com/archives/1657.html

上一篇 02.Hive架构原理

下一篇 CentOS7.9安装教程

03.Hive和数据库比较

评论已关闭

栏目分类

标签云

友情链接申请

03.Hive和数据库比较

评论已关闭

 栏目分类

标签云

友情链接申请

栏目分类

标签云

友情链接申请