一、hive主要工作是处理hadoop的什么阶段？

hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供完整的sql查询功能，可以将sql语句转换为MapReduce任务进行运行。 其优点是学习成本低，可以通过类SQL语句快速实现简单的MapReduce统计，不必开发专门的MapReduce应用，十分适合数据仓库的统计分析。

Hadoop是一个存储计算框架，主要由两部分组成：

1，存储（Hadoop分布式文件系统-HDFS）

2，计算（MapReduce计算框架）

二、mpp架构和大数据区别？

首先我假设题主问的是正统的MPP数据库对比SQL On Hadoop。因为一些SQL On Hadoop系统例如Impala也被称为MPP架构。

那么对比两边其实是诸如Vertica，阿里ADS，GreenPlum，Redshift vs Impala，Hive以及SparkSQL，Presto等。

这两者很大程度上的差异其实在于，对存储的控制。对于Hadoop而言，数据最常见的存在形式是数据湖，也就是数据本身未经很多整理，数据倾向于读取的时候再解析，而且多个系统处理不同的workload一起共享同一套数据湖。例如你可以用Spark，MR以及Impala读取Hive的数据，甚至直接读取HDFS上的Parquet，ORC文件。这份数据可以用来做BI数仓也可以用来做ML模型训练等等。

而MPP数据库则相反，MPP为了速度，需要将数据导入做一定处理，整理成优化的格式以便加速。这样做的后果就是，它们的存储类似一个黑盒，数据进去之后很难被别的系统直接读取。当然Vertica之类的系统也有SQL On Hadoop的运行模式，但是速度会有所下降，看过Vertica的Benchmark，对比Impala在Hadoop模式下，并不是有多大的优势，甚至有部分查询更慢。这部分性能损失，就是抛开黑盒存储所带来的差异。

另外SQL On Hadoop产品和MPP数据库的很多差异，其实是工程上成熟度的差异。例如CBO这样的优化，可能在数据库领域已经非常常见，但是对SQL On Hadoop还可以说是个新鲜玩意，至少为止，SparkSQL和Presto还没有CBO。而列存的引入也是近些年的事情，相对Vertica应该是从诞生就使用了列存。这些差异很可能会很快被补上。

而底层存储部分，随着Parquet ORC这样相对复杂，借用了不少传统数据库领域经验的格式不断优化，也许今后SQL On Hadoop会和MPP数据库越来越近似。

三、hive上的数据如何去查询源数据

先明白数据仓库的作用－－存储历史数据－进而对数据进行分析，只提供查询－不提供修改1。Hive 的目标是做成数据仓库，所以它提供了sql，提供了文件－表的映射关系，又由于Hive基于hdfs，所以搜索不提供Update，因为hdfs本身就不支持。

四、Hive是什么，Hive与关系型数据库的区别

全不同应用场景吧，HBase 速度比 Hive 快了不知道多少。HBase 是非关系型数据库（KV型）， 对 key 做索引，查询速度非常快（相比较 Hive ），适合实时查询；而Hive是关系型数据结构，适合做后期数据分析。和单机的MySQL，Oracle比较的话，Hive的优点是可以存储海量数据，只是查询速度比较慢。

五、如何用hive来做大数据测试？

首先你要安装相关的软件，然后再把数据填写进去。

六、hive的底层怎么与数据库交互的

HBase是个基于HDFS的数据库。Hive是用SQL替代写MR的编程框架，做Hadoop上会把用户提交的SQL语句做语法分析，执行计划等一堆乱七八糟的事后变成MR job提交去跑，返回结果给用户。不然每次都写MR很麻烦的，有这个写个SQL就可以拿到等效的结果，很...

七、如何在Java中执行Hive命令或HiveQL

Java在1.5过后提供了ProcessBuilder根据运行时环境启动一个Process调用执行运行时环境下的命令或应用程序（1.5以前使用Runtime），关于ProcessBuilder请参考Java相关文档。调用代码如下：

String sql=show tables; select * from test_tb limit 10;

List<String> command = new ArrayList<String>();

command.add(hive);

command.add(-e);

command.add(sql);

List<String> results = new ArrayList<String>();

ProcessBuilder hiveProcessBuilder = new ProcessBuilder(command);

hiveProcess = hiveProcessBuilder.start();

BufferedReader br = new BufferedReader(new InputStreamReader(

hiveProcess.getInputStream()));

String data = null;

while ((data = br.readLine()) != null) {

results.add(data);

}

其中command可以是其它Hive命令，不一定是HiveQL。

八、hive为什么还需要关系数据库

关系数据库里，表的加载模式是在数据加载时候强制确定的（表的加载模式是指数据库存储数据的文件格式），如果加载数据时候发现加载的数据不符合模式，关系数据库则会拒绝加载数据，这个就叫“写时模式”，写时模式会在数据加载时候对数据模式进行检查校验的操作。Hive在加载数据时候和关系数据库不同，hive在加载数据时候不会对数据进行检查，也不会更改被加载的数据文件，而检查数据格式的操作是在查询操作时候执行，这种模式叫“读时模式(schema on read)”。在实际应用中，写时模式在加载数据时候会对列进行索引，对数据进行压缩，因此加载数据的速度很慢，但是当数据加载好了，我们去查询数据的时候，速度很快。但是当我们的数据是非结构化，存储模式也是未知时候，关系数据操作这种场景就麻烦多了，这时候hive就会发挥它的优势。