被以下文章引用：
Hive 定位和缺点
Hive的定位是 数据仓库，主要是以下功能：
- 负责数据的存储（底层是 HDFS）
- 通过 SQL查询分析数据，降低技术门槛。
缺点：底层计算使用的是 MapReduce，由于需要繁的磁盘IO，其计算 性能很差
SparkSQL 发展
SparkSQL模块一直到Spark 2.0版本才算真正稳定，发挥其巨大功能，发展经历如下几个阶段
Shark框架 - Spark on Hive
为了解决 Hive性能较差，Hive 使用 Spark，替代 MapReduce 进行 大规模数据的 查询分析
这就是 Shark框架，Shark 是 Hive on Spark 模式
将Hive的HQL翻译成 Spark上对应的RDD操作，然后通过 Hive 的 Metadata 获取数据库里表的信息，也就是 HDFS 上的数据和文件，最后由 Shark 获取并放到Spark上计算。
Shark框架停止开发
Shark框架更多是对Hive的改造，替换了Hive的物理执行引擎，使之有一个较快的处理速度。然而不容忽视的是Shark继承了大量的Hive代码，因此给优化和维护带来大量的麻烦。为了更好的发展，Databricks在2014年7月1日Spark Summit上宣布终止对Shark的开发，将重点放到SparkSQL模块上。
SparkSQL - Spark on Hive
SparkSQL 是 Spark on Hive 模式，将Spark构建在Hive之上，Spark需要用到Hive：
- 通过SparkSQL，加载Hive的配置文件，获取到Hive的 metastore信息，进而获得metadata；
- SparkSQL 获取到metadata之后就可以去访问Hive的所有表的数据；
- 接下来就可以通过SparkSQL来操作Hive表中存储的数据
这种方式的特点是 效率高、数据吞吐量大、使用spark操作起来更加友好
总结
- SparkSQL 使用简单、API统一、兼容Hive、支持 JDBC、ODBC
- SparkSQL 在企业中广泛使用
感谢：
https://cloud.tencent.com/developer/article/1886595