Hive和数据库除了拥有相似的查询语言，再无相似之处;关系型数据库和非关系型数据库的优缺点

Hive和数据库除了拥有相似的查询语言，再无相似之处。

数据库能够用在Online的应用中，可是Hive是为数据仓库而设计的（因为数据的访问延迟较高，决定了 Hive 不适合在线数据查询。）

1.

因为 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。所以，Hive 中不支持对数据的改写和添加，全部的数据都是在加载的时候中肯定好的。而数据库中的数据一般是须要常常进行修改的，所以可使用 INSERT INTO ...  VALUES 添加数据，使用 UPDATE ... SET 修改数据。

 Hive的加载，是将整个文件加载到对应的HDFS中，不会对数据自己有任何修改。能够简单理解为：hive的元数据，对应的是文件的位置，数据库对应的是文件里面内容的位置。

Hive 在加载的过程当中不会对数据自己进行任何修改，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，不一样的数据库有不一样的存储引擎，定义了本身的数据格式。全部数据都会按照必定的组织存储，所以，数据库加载数据的过程会比较耗时。

2.

索引。以前已经说过，Hive 在加载数据的过程当中不会对数据进行任何处理，甚至不会对数据进行扫描，所以也没有对数据中的某些 Key 创建索引。Hive 要访问数据中知足条件的特定值时，须要暴力扫描整个数据，所以访问延迟较高。因为 MapReduce 的引入， Hive 能够并行访问数据，所以即便没有索引，对于大数据量的访问，Hive 仍然能够体现出优点。数据库中，一般会针对一个或者几个列创建索引，所以对于少许的特定条件的数据的访问，数据库能够有很高的效率，较低的延迟。因为数据的访问延迟较高，决定了 Hive 不适合在线数据查询。

Hive 在查询数据的时候，因为没有索引，须要扫描整个表，所以延迟较高。另一个致使 Hive 执行延迟高的因素是 MapReduce 框架。因为 MapReduce 自己具备较高的延迟，所以在利用 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。固然，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点。

 3.

因为 Hive 创建在集群上并能够利用 MapReduce 进行并行计算，所以能够支持很大规模的数据；对应的，数据库能够支持的数据规模较小。

界上最大的 Hadoop 集群在 Yahoo!，2009年的规模在 4000 台节点左右

目前最早进的并行数据库 Oracle 在理论上的扩展能力也只有 100 台左右。

 

Hive是一个应用层的东西，定位是数据仓库，所偏向的是数据分析，存储和计算的方向，其本质是mapreduce。

Hive的应用场景

1》数据挖掘：

1.数据用户行为分析

2.兴趣分区

3.区域展现

2》非实时分析

1.日志分析

2.文本分析

3》数据汇总

1.天天/每周用户点击数

2.流量统计

3》做为数据仓库（这也是我在公司接触的最多的数据分析的场景）

1.数据抽取

2.数据加载

3.数据转换

 

Hive缺点：

 

1》延迟很高：

 

      1.默认M/R执行引擎

 

      2.M/R启动有所延迟

2》暂不支持列级，别的数据增长，更新，删除操做。

 

3》暂不支持存储过程

 关系型数据库：Mysql，Oracle

非关系型数据库：Redis，MongoDB，HBASE

类SQL数据库：hive

具体地：

关系型数据库（Mysql和Oracle）

1.表和表、表和字段、数据和数据存在着关系

优势:

1.数据之间有关系，进行数据的增删改查的时候是很是方便的

2.关系型数据库是有事务操做的，保证数据的完整性和一致性。

缺点：

1.由于数据和数据是有关系的，底层是运行了大量的算法

大量算法会下降系统的效率，会下降性能

2.面对海量数据的增删改查的时候会显的无能为力

3.海量数据对数据进行维护变得很是的无力

 

适合处理通常量级的数据（银行转帐和钱）

 

非关系数据库的（redis和MangDB）

为了处理海量数据，非关系数据库设计之初就是为了替代关系型数据库的关系

查找key---value的时候：entry（即一条K-V记录）默认是按照key的字典顺序存储的，固然开发者也能够重载这个排序函数；

优势：

1.海量数据的增删改查是能够的

2.海量数据的维护和处理很是轻松

缺点：

1.数据和数据没有关系，他们之间就是单独存在的

2.非关系数据库没有关系，没有强大的事务关系，没有保证数据的完整性和安全性

 

适合处理海量数据，保证效率，不必定安全（统计数据，例如微博数据）

 

总之：

1.关系型数据库支持SQL语句的查询，增删改查很是方便，而且支持多表的join操做，相比非关系型数据库速度比较慢

2.非关系型数据库读写很是快，可是不支持增删改查的操做

3.hive数据仓库是元数据和客户端的形式，将数据存储在HDFS上的。可是Hive 中不支持对数据的改写和添加，全部的数据都是在加载的时候中肯定好的。

4.非关系型数据库的数是存储在内存中的，关系型数据库的数据是存储在磁盘的

 

Hive query就是MapReduce jobs能够从5分钟到数小时不止，HBase是很是高效的，确定比Hive高效的多。
Hive自己不存储和计算数据，它彻底依赖于HDFS和MapReduce，Hive中的表纯逻辑。hive须要用到hdfs存储文件，须要用到MapReduce计算框架。
hbase是物理表，不是逻辑表，提供一个超大的内存hash表，搜索引擎经过它来存储索引，方便查询操做。
hbase是列存储。