Hive 架构

Hive 架构
图上显示了Hive的主要组件以及与Hadoop的关系。如图所示，Hive的主要部件是：
UI 用户提交查询和其他的操作。当前系统有一个命令行的接口和基于Web的的GUI
Driver 接受query的组件，该组件实现session的概念，以处理和提供基于JDBC/ODBC执行以及颉取的API。
编译器 该组件分析query，在不同的查询块和查询表达式上进行语义分析，并最终通过从metastore中查找表与分区的元信息生成执行计划
Metastore 此组件存储数据仓库里所有的各种表与分区的结构化信息，包括列与列类型信息，序列化器与反序列化器，从而能够读写hdfs中的数据
执行引擎 此组件执行由compiler创建的执行计划。此计划是一个关于阶段的有向无环图。执行引擎管理不同阶段的依赖关系，并在合适的系统组件上执行这些阶段

Hive 查询语言
HiveQL是一个类SQL的查询语言。它模仿SQL语法来创建表，读表到数据，并查询表。HiveQL也允许用户嵌入他们自定义的map-reduce脚本。这些脚本能用任何支持基于行的流式接口的语言写-从标准输入读入并写到标准输出。这种灵活性也有一定的代价：即字符串的转换带来的性能损失。尽管如此，我们看到用户似乎不介意于此，他们自己实现这些脚本。另一个特性是多表插入。在此构造下，用户可以在相同的数据上通过一条HiveQL执行多query。Hive优化这些query，从而能共享输入数据的扫描，这样就增加了这些query的几个数量级的吞吐量。
编译器
Parser 将query string转换成解析树的表示
Semantic Analyser  解析树转换成query的内部表示，仍然是基于语句块的而非操作树。此阶段中，列名被校验，*通配符扩展被执行。类型检查和任何隐式的类型转换也在此阶段做。如果是一个分区表，这也是一个普遍的情况，所有该表的表达式被收集起来，这样它们就能用于修剪不需要的分区。如果query有一些制定的样例，它也会被收集起来以被后用
逻辑计划生成器 将query的内部表示转换为逻辑计划，它是一棵操作符树。一些操作符是关系代数符-如filter join等。但有些是hive特有的并被转为一系列的map reduce工作。如reduceSink操作符在mapreduce边界出现。此步也包括对plan做变换以提高性能-如将一系列的join转换为多路join，执行map端的部分的groupby聚集，执行两阶段内的groupby以避免如下情形：当groupingkey出现数据倾斜时一个reducer变成瓶颈。每个操作符包括一个可序列化的描述符。
查询计划生成器 - 将逻辑计划转换为一系列的map-reduce任务。操作符树被递归的遍历，从而它们被打散为一系列mapreduce序列化的可被mapreduce框架与hadoop hdfs接收的任务。reduceSink 操作符是mapreduce的边界，它的描述符包含归减键。reduceSink 的描述符里的归减键被用作mapreduce边界的归减键。如果query被指定了样例与分区，该计划也会包含它们。该计划然后被序列化到一个文件中。
优化器
更多的计划转换会有优化器来做。优化器是一个演化组件。当前，它的规则是：列修剪，谓词下压。