历史上，Hive是用来建立数据仓库的，因此对Hive管理的数据查询有很大的需求。Hive、shark和sparlsql可以查询Hive数据。Shark使用hive的SQL语法解析器和优化器，修改executor，使其物理执行过程在spark上运行；spark-SQL使用自己的语法解析器、优化器和executor，spark-SQL还扩展了接口，不仅支持hive数据查询，还支持多数据源的数据查询。
功能点：hive:[1，数据存储
2，数据清理spark:1，数据清理2，流计算hive可以通过HQL模式读取hive数据进行数据清理spark可以通过sparkSQL或sparkcore模式清理数据，可以读取数据源包liveJDBC、hive、elasticsearch、file等，因此spark可以替换数据蜂巢的清洗功能，也可以使用蜂巢作为数据源。蜂巢的优势在于1。大数据存储。MapReduce操作通过SQL降低大数据使用门槛。Spark的优势在于1。基于内存的MapReduce操作，速度快。流计算（基准产品Flink，storm）
hive和sparksql的区别？Hive是一种基于HDFS的数据仓库，它提供了一个基于SQL模型的查询引擎，用于存储大数据的数据仓库的分布式交互查询。SparkSQL不能完全取代hive。它取代了hive的查询引擎。因为它的底层基于Spark自身基于内存的特性，SparkSQL的速度比hive的查询引擎快几倍。Spark本身不提供存储，因此它不能取代hive作为数据仓库的功能。sparksql相对于hive的另一个优势是它支持大量不同的数据源，包括hive、JSON、parquet、JDBC等等。由于sparksql是spark技术的核心，基于RDD，可以与spark的其他组件无缝集成，实现许多复杂的功能。例如，sparksql支持可以直接为HDFS文件执行SQL语句。
sparkSQL和hive到底什么关系？主要区别如下：
1。配置单元不支持等效联接
·对于SQL中的两个内联表，它可以写成：
·select*fromduala，dualbwherea.key=b.key
；在配置单元中，它应该是
·select*fromdualajoindualbona.key=b.key
而不是传统格式：
selectt1.a1asC1，t2.b1asc2fromt1，t2
其中t1.a2=T2。B2
2，分号字符
·分号是SQL语句的结束标记，在hiveql中也有使用，但是在hiveql中，分号的识别不是很聪明，例如：
·从dual中选择concat（key，concat（”，key））。·但是当hiveql解析语句时，它提示：
失败：解析错误：第0行：-1函数规范中输入不匹配“<eof>”。·解决方法是使用分号八进制ASCII码进行转义，因此上面的语句应该写成：
·selectconcat（key，concat（“\073”，key））fromdual
3，is[not]null
·null表示SQL中的空值。值得注意的是，在hiveql中，如果stringtype字段为空字符串，即长度为0，则应计算null的判断结果为false。
4。Hive不支持将数据插入到现有的表或分区中，
只支持覆盖和重写整个表
Hive是基于Hadoop的数据仓库基础设施。
它提供了一系列可用于数据提取、转换和加载（ETL）的工具，ETL是一种可以存储、查询和分析Hadoop中存储的大规模数据的机制。Hive定义了一种简单的类似SQL的查询语言HQL，它允许熟悉SQL的用户查询数据。同时，这种语言还允许熟悉MapReduce的开发人员开发定制的mapper和reducer，以处理内置mapper和reducer无法完成的复杂分析工作。Hive使用类似SQL的查询方法将SQL查询转换成MapReduce作业并在Hadoop集群上执行