这是我参与2022首次更文挑战的第21天，活动详情查看：2022首次更文挑战
本文重点介绍hive的架构，每一层的作用，以及实现流程。首先简单解析一下hive的架构关系图，具体的图可以看下面。
这个图可以被分解为四大块：
第一块是最底下的HDFS和MapReduce就是hadoop框架中的内容，可以看之前的hadoop原理说明，
第二块就是最上面的部分，client即客户端就是操作人的一些行为，这两部分都比较简单。
然后第三块是左侧的Meta store，这个是存储元数据的作用，hive可以看作是hadoop的一个客户端，在安装hive后，我们新建了一张表，然后塞了一些字段，在HDFS中同时也会生成文件路径，这个表到文件的映射关系就是这个元数据，然后我们还配置了mysql的驱动信息，这就是把元数据存储到mysql中。这个元数据存储的作用就是为了读取元数据，首先从mysql中获取元数据，根据元数据拼接起来的路径，再到HDFS中访问到实际的数据内容。所以可见在hive中，不会存储数据，连元数据路径信息也是存储在第三方框架中，具体的数据信息存储在hadoop中的HDFS中。
剩下的最后一个模块就是真正hive所拥有的东西。看一下有解析器、编辑器、优化器和执行器。之前说过hive的本质写的很清楚了，hive就是把sql语句编译成mapreduce工作的过程。稍微一一解释一下每一项的工作内容，第一个解析器，就是将我们的sql语句录入，解析语句，校验通过基本语法；编译器就是翻译的作用，将任务翻译成MR，就是hive核心内容；优化器就是对MR工作过程进行优化，提高查询效率；提交给YAN执行任务，吐出相应的结果，这就是整个hive的过程，工作原理也是按照这样的顺序去执行的。
再细化一下hive的运行机制。
参照上述内容看这个图更简单了。
