[大数据]hive的运行过程解析

数据的底层存储是文件

hive的计算框架是mapreduce，mapreduce的原理:

1. 图上是整个mapreduce的运行过程，在各自的分片中，都是把数据分割以后每个值都对应一个1得到<key,1>，再经过本地reduce（combine过程）把key一样的value=1相加，得到新的<key，values>，再经过shuffle过程，把所有分片中的<key,values>,key一致的values相加，又得到最终的<key,values>。
2. combiner其实是一个本地的reduce主要就是为了减轻reduce的负担，但并不是所有的场景都会发生combiner，例如求平均数
3. 不会发送combiner的操作主要体现在不带 group by 的count(distinct) 这种操作，所有的数据都会分发的一个reduce上，数据产出极慢