1. 查詢語言。由於 sql 被廣泛的應用在資料倉儲中，因此專門針對 hive 的特性設計了類 sql的查詢語言 hql（發音「海口」）。熟悉 sql 開發的開發者可以很方便的使用hive 進行開發。
2. 資料儲存位置。hive 是建立在hadoop 之上的，所有 hive 的資料都是儲存在 hdfs 中。而資料庫則可以將資料儲存在塊裝置或者本地檔案系統中。
3. 資料格式。hive 中沒有定義專門的資料格式，資料格式可以由使用者來指定，使用者定義資料格式需要指定三個屬性：列分隔符（通常為空格、」\t」、」\x001″）、行分隔符（」\n」）以及讀取檔案資料的方法（hive中預設有三個檔案格式 textfile，sequencefile，rcfile）。由於在載入資料的過程中，不需要從使用者資料格式到hive定義的資料格式的轉換，因此hive
在載入的過程中不會對資料本身進行任何修改，而只是將資料內容複製或者移動到相應的
hdfs
目錄中。而在資料庫中，不同的資料庫有不同的儲存引擎，定義了自己的資料格式(結構化)。所有資料都會按照一定的組織儲存，因此資料庫載入資料的過程會比hive耗時。
4. 資料更新。由於
hive
是針對資料倉儲應用設計的，而資料倉儲的內容是讀多寫少的。因此，hive 中不支援對資料的改寫和新增，所有的資料都是在載入的時候中確定好的。而資料庫中的資料通常是需要經常進行修改的，因此可以使用 insert into ... values 新增資料，使用 update ... set 修改資料。
5. 索引。之前已經說過，hive 在載入資料的過程中不會對資料進行任何處理，甚至不會對資料進行掃瞄，因此也沒有對資料中的某些 key 建立索引。hive要訪問資料中滿足條件的特定值時，需要暴力掃瞄整個資料，因此訪問延遲較高。不過為了提公升查詢效能，通常會在建表時建立分割槽，那麼就會在hdfs上建立對應的目錄，查詢時直接查這個目錄即可(而不需暴力掃瞄整個資料)。由於
mapreduce
的引入，
hive
可以並行訪問資料，因此即使沒有索引，對於大資料量的訪問，
hive
6. 執行。hive 中大多數查詢的執行是通過hadoop 提供的 mapreduce 來實現的，而資料庫通常有自己的執行引擎。
7. 執行延遲。之前提到，hive 在查詢資料的時候，由於沒有索引，需要掃瞄整個表，因此延遲較高。另外乙個導致 hive 執行延遲高的因素是mapreduce 框架。由於 mapreduce 本身具有較高的延遲，因此在利用 mapreduce 執行 hive 查詢時，也會有較高的延遲。相對的，資料庫的執行延遲較低。當然，這個低是有條件的，即資料規模較小，當資料規模大到超過資料庫的處理能力的時候，
hive
的平行計算顯然能體現出優勢。
8. 可擴充套件性。由於 hive 是建立在hadoop 之上的，因此 hive
的可擴充套件性是和
hadoop
的可擴充套件性是一致的（世界上最大的 hadoop 集群在yahoo!，2023年的規模在 4000 臺節點左右）。而資料庫由於acid 語義的嚴格限制，擴充套件性非常有限。目前最先進的並行資料庫oracle 在理論上的擴充套件能力也只有 100 臺左右。
9. 資料規模。由於 hive
建立在集群上並可以利用
mapreduce
進行平行計算，因此可以支援很大規模的資料；對應的，資料庫可以支援的資料規模較小。
hive和關係型資料庫對比
關係型資料庫用的是sql,hive用的是類sql,兩個語法相似,但是還是有點區別的 hive資料是存到hdfs上面的,關係型資料庫是存到本地磁碟或者別的塊裝置上.關係型資料庫增刪改查都能寫,hive只能寫查詢和新增,因為hive資料存放到hdfs上面,hdfs是不支援隨機寫的 關係型資料庫是有索引的...
關係型資料庫和非關係型資料庫
關係型資料庫 mysql oracle等 非關係型資料庫 nosql hbase，mongodb，redis等 優勢 可以在乙個表以及多個表之間做複雜的資料查詢 支援事務，保持資料的一致性。優勢 基於鍵值對，不需要經過sql解析，資料之間沒有耦合，易水平擴充套件。資料儲存在快取中，查詢速度快。可以儲...
關係型資料庫和非關係型資料庫
關聯式資料庫是資料項之間具有預定義關係的資料項的集合。這些項被組織為一組具有列和行的表。表用於儲存有關要在資料庫中表示的物件的資訊。表中的每列都儲存著特定型別的資料，字段儲存著屬性的實際值。表中的行表示乙個物件或實體的相關值的集合。表中的每一行可標有乙個稱為主鍵的唯一識別符號，並且可使用外來鍵在多個...