Hive
你可能会说
数据都在 HDFS 上，怎么用 SQL 查？
把 SQL 翻译成分布式作业的数据仓库Metastore 管表结构、SQL 编译成 MapReduce / Spark 作业跑在 HDFS 上，离线数仓的分层几乎都建在它上面；延迟分钟级起。
也常被叫作离线数仓Hive SQL
什么时候选它
- 离线数仓分层（ODS / DWD / DWS）
- 已有 Hadoop 集群，TB 级批处理
- T+1 报表和回溯计算
什么时候别选
- 交互式、秒级查询（ClickHouse / Trino）
- 实时流处理（Flink）
- 小数据量（本地 DuckDB 就够）
容易混在一起 · 怎么分
Hive≠ClickHouse
Hive 面向海量离线批处理，延迟高但便宜；ClickHouse 面向实时聚合查询。
Hive≠数据湖表格式
Hive 表靠目录组织、无原子提交；Iceberg / Hudi 补上了快照、ACID 和 schema 演进。
Q面试会问什么
- 问：Hive 和传统数据库的区别？
答：没有事务和低延迟，SQL 会编译成分布式作业；元数据放 Metastore，数据仍是 HDFS 文件。 - 问：分区和分桶的作用？
答：分区裁剪减少扫描量，分桶改善 JOIN 和采样；分区字段基数不能太高。
延伸阅读 · 权威出处