hive採用了類sql的查詢語言hql，因此很容易將hive理解為資料庫。其實從結構上來看，hive和資料庫除了擁有類似的查詢語言，再無類似之處。
資料庫可以用在oltp的應用中，但是hive是為資料倉儲而設計的，清楚這一點，有助於從應用角度理解hive的特性。
hive不適合用於聯機事務處理(oltp)，也不提供實時查詢功能。它最適合應用在基於大量不可變資料的批處理作業。hive 的特點是可伸縮（在hadoop 的集群上動態的新增裝置），可擴充套件、容錯、輸入格式的鬆散耦合。hive的入口是driver，執行的sql語句首先提交到driver驅動，然後調compiler解釋驅動，最終解釋成mapreduce任務執行，最後將結果返回。
比較項關聯式資料庫
hive
ansi sql
支援不完全支援
更新update insert delete
insert overwrite\ into table
事務支援
支援(部分支援)
模式寫模式讀模式
儲存位置
塊裝置、本地檔案系統
hdfs延時低
高多表插入
不支援支援
子查詢完全支援
只能用在from子句中
檢視updatable
read-only
可擴充套件性低高
資料規模
小大
實時響應
毫秒級秒級
解釋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。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中的。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以及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。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較耗時。
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。
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(類似select * from tbl的查詢不需要mapreduce)。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。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與MySQL的區別
hive與mysql的區別hive採用了類sql的查詢語言hql hive query language 除了hql之外，其餘無任何相似的地方。hive是為了資料倉儲設計的。儲存位置 hive在hadoop上 mysql將資料儲存在裝置或本地系統中 資料更新 hive不支援資料的改寫和新增，是在載入...
Hadoop Pig與Hive的區別
請允許我很無聊的把飛機和火車拿來做比較，因為2者根本沒有深入的可比性，雖然兩者都是一種高速的交通工具，但是具體的作用範圍是截然不同的，就像hive和pig都是hadoop中的專案，並且hive和pig有很多共同點，但hive還似乎有點資料庫的影子，而pig基本就是乙個對mapreduce實現的工具 ...
Hive與Hbase的區別
以下 由網上內容 整理 hive是為了簡化編寫mapreduce程式而生的，使用mapreduce做過資料分析的人都知道，很多分析程式除業務邏輯不同外，程式流程基本一樣。在這種情況下，就需要hive這樣的使用者程式設計介面。hive本身不儲存和計算資料，它完全依賴於hdfs和mapreduce，hi...