Hive是基于Hadoop平台的数据仓库工具，具有大量的数据存储、水平可扩展性、离线批量处理的优点，传统的关系型思洛存储器无法支持大量的数据存储、水平但是，由于Hive数据存储和数据处理依赖于HDFS和MapReduce，因此在Hive中离线批量处理数据时，必须将查询语言转换为MR任务
Hive是由FaceBook开发和开源的。 当时，FaceBook使用Oracle作为数仓。 由于数据量增加，Oracle数仓性能恶化，无法对大量数据进行离线批量分析，因此基于Hadoop开发了Hive，并开放给了Apacha开源。
Hive无法进行实时数据查询，Hbase提供实时在线查询功能，因此Hive和Hbase形成了良性的互补。 Hbase因其海量数据存储、水平扩展、海量数据处理等优点而得到广泛应用。
Pig和HIVE工具一样，可以用类sql语言处理数据。 但是，他们的应用场景有差异，Pig用于数据仓库数据的ETL，HIVE用于数仓数据分析。
Hive的系统架构图如下图所示。
图hive系统体系结构
从体系结构图中可以看出，Hive还没有完成数据的保存和处理。 只是HDFS完成了数据的保存，MR完成了数据的处理，用户提供了调查语言的能力。 Hive支持名为Hivesql的类sql语言。 用户可以用Hivesql语言进行查询，其驱动程序可以将Hivesql语言转换为MR任务，完成数据处理。
【Hive的访问接口】
CLI :这是hive提供的命令行工具
hwi :这是hive的web访问接口
JDBC/ODBC是一个标准的APP编程接口
Thrift Server :提供不同语言并对远程RPC进行Hive调用的能力。
因此，Hiv具备丰富的访问接口能力，几乎可以满足各种开发APP应用场景的需要。
【驱动程序】
包含编译器、优化器和执行器的HIVE比较核心驱动模块，负责将用户输入的Hivesql转换为MR数据处理任务。
【元存储器】
在HIVE元数据存储模块中，访问和检索数据需要首先访问元数据。 Hive元数据通常使用单独的关系数据库存储。 一般使用Mysql。 为了确保高可用性，还必须主部署Mysql元数据库。
体系结构图上的Karmasphere、Hue和Qubole也是访问HIVE的工具。 其中，Qubole可以远程访问HIVE。 HIVE作为公共云服务，相当于用户可以通过互联网访问HIVE服务。
Hive在使用中出现了一些不稳定的问题，Hive HA机制得到了发展。 其HA体系结构的图像如下图所示。
图hive HA体系结构
Hive HA机制的核心在HAProxy上，为了确保高可用性，然后可以将多个HIVE实例、多个HIVE实例对接形成资源池。 用户访问HIVE时，首先访问HAProxy，HAProxy依次对HIVE实例进行逻辑可用性测试，如果发现某个实例不可用，则将其列入黑名单。 HAProxy维护黑名单，并对黑名单执行操作。 例如，如果重新启动后发现实例可以成功访问，则从黑名单中删除该实例。