为什么提出hive
通过 Hadoop ，已经实现了 存储数据 和 计算，但实现 计算较困难，需要写 MapReduce 程序
很多时候，HDFS存储的数据是 行列 的，与 关系型数据库（mysql、oracle） 存储的数据相同，但是通过 编写 MapReduce 程序进行查询统计，复杂且慢
于是想到了 操作 关系型数据库（mysql、oracle）的语言：SQL
一句话理解
Hive可以通过 类似 SQL 的语句，查询、统计分析 Hadoop中的文件（必须有固定格式）
底层是将 HSQL 转化成 MapReduce 程序，运行在 Yarn 上
主要功能
创建表、删除表、select查询数据（不需要编写 MapReduce 程序）
百度百科
hive是 基于Hadoop 的一个 数据仓库工具，可以 存储、查询 和 分析 Hadoop中的大数据
hive数据仓库工具能将 结构化的数据 文件 映射 为一张 数据库表，并提供 类似SQL 查询功能，将 类似SQL 语句转变成 MapReduce任务 来执行。
官网：
优点
学习成本低，可以通过 类似SQL语句 实现快速 MapReduce统计
避免开发 MapReduce 应用程序
Hive适合对数据仓库进行 统计分析
适合应用在基于 大量、不可变 的数据
可伸缩（在Hadoop的集群上动态添加设备）、可扩展、容错、输入格式的松散耦合
缺点
不适合用于联机(online)事务处理
不提供实时查询功能
执行速度较慢，因为 MapReduce 慢
Hive on Spark
从 hive2 开始，不建议在 MapReduce 上运行，推荐 Spark 作为计算引擎