温馨提示：要看高清无码套图，请使用手机打开并单击图片放大查看。
在前面的博文里，我已经介绍了
原创 | 大数据入门基础系列之浅谈Hive和HBase的区别
原创 | 大数据入门基础系列之详谈Hive的数据定义语言（DDL）
前言
在
里，我已经谈及到了
驱动器：dirver
包含、解析器、编译器、优化器、执行器
解析器：
将SQL字符串转换成抽象语法树AST，这一步一般都是用第三方工具库完成，比如antlr；对AST语法树进行分析，比如表否存在、字段是否存在、SQL语义是否有误。
编译器：
将AST编译生成逻辑执行计划。
优化器：
对逻辑执行计划进行优化。
执行器：
把逻辑执行计划转换成物理执行计划。对于hive来说，就是MR/TEZ/Spark；
这里，我做个补充。
首先，普及几个概念
• 用户接口：用户访问Hive的入口。
• 元数据：Hive的用户信息与表的MetaData。
• 解释器：分析翻译HQL的组件。
• 编译器：编译HQL的组件。
• 优化器：优化HQL的组件。
• Driver调用编译器（compiler）处理HiveQL字串，这些字串可能是一条DDL、DML或查询语句。
• 编译器将字符串转化为策略（plan）。
• 策略仅由元数据操作和HDFS操作组成，元数据操作只包含DDL语句，HDFS操作只包含LOAD语句。
• 对插入和查询而言，策略由map-reduce任务中的具有方向的非循环图（directedacyclic graph，DAG）组成。
同时，
Driver 调用解释器（Compiler）处理 HiveQL 字串，这些字串可能是一条 DDL、DML或查询语句。编译器将字符串转化为策略（plan）。策略仅由元数据操作 和 HDFS 操作组成，元数据操作只包含 DDL 语句，HDFS 操作只包含 LOAD 语句。对插入和查询而言，策略由 MapReduce 任务中的具有方向的非循环图（directedacyclic graph，DAG）组成。
解释器、编译器、优化器完成 HQL 查询语句从词法分析、语法分析、编译、优化以及查询计划的生成。生成的查询计划存储在 HDFS 中，并在随后由 MapReduce 调用执行。
Hive的驱动器包括解释器、编译器、优化器、执行器。
1) 解析器（parser）：将查询字符串转化为解析树表达式。
2) 语义分析器（semantic analyzer）：将解析树表达式转换为基于块（block-based）的内部查询表达式。
3) 逻辑策略生成器（logical plan generator）：将内部查询表达式转换为逻辑策略，这些策略由逻辑操作树组成。
4) 优化器（optimizer）：通过逻辑策略构造多途径并以不同方式重写。
Hive构建在Hadoop之上
（1）HQL中对查询语句的解释、优化、生成查询计划是由Hive完成的。
（2）所有的数据都是存储在Hadoop中。
（3）查询计划被转化为MapReduce任务，在Hadoop中执行（有些查询没有MR任务，如：select * from table）。
（4）Hadoop和Hive都是用UTF-8编码的。
后续的微信公众号博文
将分别剖析
原创 | 大数据入门基础系列之Hive驱动器之解释器
原创 | 大数据入门基础系列之Hive驱动器之编译器
原创 | 大数据入门基础系列之Hive驱动器之优化器
原创 | 大数据入门基础系列之Hive驱动器之执行器
同时，大可以关注我的个人博客：
http://www.cnblogs.com/zlslch/ 和 http://www.cnblogs.com/lchzls/
http://www.cnblogs.com/sunnyDream/
以及对应本平台的QQ群：161156071（大数据躺过的坑）
本文版权归（大数据躺过的坑）作者和微信公众平台共有，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出原文链接，否则保留追究法律责任的权利。 如果您认为这篇文章还不错或者有所收获，您可以通过下边的“打赏”功能 打赏我一杯咖啡【物质支持】，也可以点击右下角的【点赞】按钮【精神支持】，因为这两种支持都是我继续写作，分享的最大动力！
看完本文有收获？请转发分享给更多人
关注「大数据躺过的坑」，提升大神技能
觉得不错，请点赞和留言↓↓↓
