在大数据架构中，Hive和HBase是协作关系，数据流一般如下图： 通过ETL工具将数据源抽取到HDFS存储； 通过Hive清洗、处理和计算原始数据； HIve清洗处理后的结果，如果是面向海量数据随机查询场景的可存入Hbase; 数据应用从HBase查询数据；

所以即可以说Hive是一个计算引擎，也可以理解为一个数据（仓）库。 既然他是一个数据库，而Spark天然支持各种数据源的加载和运算，读Hive的数据和读MySQL的数据这个操作本身对用户来说并没有什么差别。 所以Hive可以作为一种数据源在系统中存在，Spark、

Hive使用的Mapper和Reducer是两个特定的Hive类，它们的一部分初始化信息来自于Job阶段根据Operator的信息进行设定（比如TableScan相关的信息一部分在Job生成的时候就已经设置好），另一部分会在每个Task启动的时候装载刚才序列化的Operator信息并产生一个可以求值的 ...

2017年9月26日 · Exact date that hive got released? Discussion in 'The Hive Discussion' started by Kregex, Sep 26, 2017.

2018年3月15日 · 3) Hive的执行延迟比较高，因此Hive常用于数据分析，对实时性要求不高的场合。 4) Hive优势在于处理大数据，对于处理小数据没有优势，因为Hive的执行延迟比较高。 5) Hive支持用户自定义函数，用户可以根据自己的需求来实现自己的函数。

===总结版=== *感谢各位朋友在评论中的指正。本贴旨在纠正各种明显的发音错误。如@梁海，@依云，@汤海所说，拿中文近似肯定会存在误差——对于这些误差，请直接参考音标或者真人发音。

2017年6月1日 · Hive Bedwars. Discussion in 'The Hive Discussion' started by PolarFridge, Jun 1, 2017. Thread Status: Not ...

Hive和Impala是两个不同使用场景的工具，Hive的稳定性好，接口通用，运维简单，所以适合离线数仓的需求。 Impala的计算能力更强，所以对于计算速度要求更高的任务，例如查询，这个时候Impala会更适合，但Impala的缺点是当数据量较大，并发任务较多的时候，集群 ...

2013年10月10日 · Hive and Seek Plugin? Discussion in 'Hide and Seek' started by STMCrazyGuy, Jul 16, 2013. ? Is the Hide ...

Hive的分区表跟Oracle、MySQL中分区表的概念是一样的。 当表上建立了分区，就会根据分区的条件从物理存储上将表中的数据进行分隔存储。 而当执行查询语句时候，也会根据分区的条件扫描特定分区中的数据，从而避免全表扫描以提高查询的效率。