一、数据仓库
数据仓库是一个面向主题的、集成的、随时间变化，但信息本身相对稳定的数据集合，相比于传统型数据库，它主要用于支持企业或组织的决策分析处理。主要有以下3个特点：
数据仓库是面向主题的：
数据仓库中的数据是按照一定的主题域进行组织，大概意思就是说存的数据是一类数据
数据仓库是随时间变化的：
其中存的数据是有时序的，会保存很长一段时间的数据
数据仓库相对稳定：
数据仓库主要是用来进行数据的查询，很少进行修改和删除
数据仓库的结构
二、Hive简介
2.1Hive简介
Hive最初是Facebook开发的一款用来SQL分析的应用，它是建立在Hadoop文件系统上的数据仓库，能够对存储在HDFS中的数据进行数据提取、转换和加载（ETL），这是一种可以存储、查询、分析存储在Hadoop中的大规模数据的机制。Hive定义了简单的类SQL查询语言，简称HQL。但Hive并不是一个数据库，它只是提供了和数据库相类似的查询语言。其实他是用来执行简化MapReduce操作的，可以解决很多MapReduce解决起来比较麻烦的事。Hive把用户的HiveQL语句解释转换为MapReduce作业提交到Hadoop集群上，Hadoop监控作业执行过程，然后返回作业执行结果给用户。
2.2Hive系统架构
用户接口：主要分为3个，分别是CLI（命令行）、JDBC/ODBC（由Java实现的用来连接数据库）、和WebUI（浏览器）。
跨语言服务（ThriftServer）:Thrift是Facebook开发的一个软件框架，用来进行可扩展且跨语言的服务，Hive集成该服务，可以让不同的编程语言调用Hive的接口
底层的驱动引擎：主要包含编译器(Compile)/优化器(Optimizer)/执行器(Executor)
元数据存储系统(Metastore)：Hive的元数据包括表名、列、分区及其相关属性，表数据所在目录的位置信息，Metastore默认存在自带的Derby数据库中（这是一个嵌入式数据库，更多有关嵌入式数据库资料查看这里在Spring中使用嵌入式数据库-H2）。
三、Hive实践
3.1Hive安装
由于Hive依赖于Hadoop，所以要提前安装Hadoop，参见手把手教你安装Hadoop集群
下载并解压
之前的Hadoop是分布式安装在3台机器上的，但Hive只需要安装在一台机子即可，我这里选择的是hadoop02
下载