简单的说就是让不会MapReduce编码的人但会SQL语句的人能很好的分析数据而设计出来的嫁接综合体。
实际上有些数据分析的操作并不需要很复杂的操作，比如可能只是查询某个年龄段由多少人，以及对应的浏览网页的次数，其实这种操作更类似于SQL的数据库操作。软件的发展应该是降低门槛，即是不明白里面原理，但是经过训练也能熟练的使用。比如将SQL和MapReduce结合起来组成了Hive，只要懂SQL语句，就可以使用自己熟悉的操作，HIve能自动进行MapReduce编程操作。
下面介绍几个简单的例子，分析SQL和MapReduce操作的过程，例一：
SELECT pageid, age, count(1) FROM pv_users GROUP BY pageid, age;
统计不同年龄的用户访问不同网页的兴趣偏好，这里使用count(*)也可以，且一般的查询速度，count(*)=count(1)>count(id)>count(字段)。
MapReduce操作
MapReduce还是可以分为三个阶段，Map，Shuffle，Reduce
Map阶段按照Key，Value的形式，比如pageid = 1, age = 25转换后变成了<1,25>，计数次数为1，最后变成了<<1,25>,1>。
Shuffle阶段，将多个key相同的键值对进行组合，从图里可以看到，比如有两个<<2,25>,1>，通过Shuffle变成了<<1,25>,<1,1>>。
Reduce阶段，按照key对value进行累加求和例如<<1,25>,<1,1>>变成了<<1,25>,2>。
例二：
SELECT pv.pageid, u.age FROM page_view pv JOIN user u ON (pv.userid = u.userid);
得到的结果表里应只有pageid和年龄，使用MapReduce操作如下：
Hive架构简单的描述
按照上面操作的顺序，大概能理清，最上面肯定是用户需求->转化为SQL语句(Hive)->MapReduce->HDFS。具体的架构有官方的：
更具体的有FaceBook的：
Hive的核心组件有三个分别是QL，SerDe，MetaStore。QL就是编译器，也是Hive中最核心的部分。Serde就是Serializer和Deserializer的缩写，用于序列化和反序列化数据，即读写数据。MetaStore对外暴露Thrift API，用于元数据的修改。比如表的增删改查，分区的增删改查，表的属性的修改，分区的属性的修改等。
参考博客：
https://time.geekbang.org/column/article/69459?gk_activity=0
来自 “ ITPUB博客 ” ，链接：https://blog.itpub.net/818/viewspace-3169071/ ，如需转载，请注明出处，否则将追究法律责任。
