hive工作时,数据是存储在mysql还是hdfs1、数据存储位置：Hive将数据存储在Hadoop的分布式文件系统HDFS中 ， 而MySQL将数据存储在自己的系统中 。数据格式：Hive数据格式可以用户自定义，但MySQL自己系统定义格式 。
2、其次，Hive 中所有的数据都存储在 HDFS 中，Hive 中包含以下数据模型：表（Table），外部表（External Table），分区（Partition），桶（Bucket） 。
3、Hive表逻辑上有表的数据和相关的元数据组成 。元数据描述表的结构，索引等信息 。数据通常存放在HDFS中 ， 虽然任意的Hadoop文件系统都能支持，例如Amazon的S3或者而本地文件系统 。
4、国内最常用的是一款基于Hadoop的开源数据仓库，名为 Hive ， 它可以对存储在 HDFS 的文件数据进行 查询、分析。Hive对外可以提供HiveQL，这是类似于SQL语言的一种查询语言 。
5、hive一般只用于查询分析统计，而不能是常见的CUD操作 ， 要知道HIVE是需要从已有的数据库或日志进行同步最终入到hdfs文件系统中，当前要做到增量实时同步都相当困难 。和mysql，oracle完全不是相同的应用场景 。
6、在启动 Client 模式的时候，需要指出 Hive Server 所在节点 ， 并且在该节点启动 Hive Server 。WUI 是通过浏览器访问 Hive 。元数据存储Hive 将元数据存储在数据库中，如 mysql、derby 。
数据库里面mysql和hive区别是什么?1、全不同应用场景吧，HBase速度比Hive快了不知道多少 。HBase是非关系型数据库（KV型），对key做索引，查询速度非常快（相比较Hive），适合实时查询；而Hive是关系型数据结构 ， 适合做后期数据分析 。
2、数据存储位置 。Hive 是建立在 Hadoop 之上的 ， 所有 Hive 的数据都是存储在 HDFS 中的 。而数据库 则可以将数据保存在本地文件系统中 。数据格式 。
3、默认情况下，Hive元数据保存在内嵌的 Derby 数据库中，只能允许一个会话连接，只适合简单的测试 。实际生产环境中不适用，为了支持多用户回话，需要一个独立的元数据库 ， 所以使用 MySQL 。
4、Hive与传统的关系型数据库有很多类似的地方，例如对SQL的支持 。
hive和mysql的区别全不同应用场景吧，HBase速度比Hive快了不知道多少 。HBase是非关系型数据库（KV型），对key做索引，查询速度非常快（相比较Hive），适合实时查询；而Hive是关系型数据结构，适合做后期数据分析 。
Hive 的元数据存储在RDBMS中，一般常用 MySQL 和 Derby 。默认情况下，Hive元数据保存在内嵌的 Derby 数据库中 ， 只能允许一个会话连接，只适合简单的测试 。
Hive与传统的关系型数据库有很多类似的地方 ， 例如对SQL的支持 。
Pig与HIVE工具类似，都可以用类sql语言对数据进行处理 。但是他们应用场景有区别 ， Pig用于数据仓库数据的ETL，HIVE用于数仓数据分析 。
所以Hive是用进行数据提取转换加载的，而且它可以把SQL转换为MapReduce任务，而Hive的表就是HDFS的目录或者文件 。
为什么hive与mysql整合应该是Hadoop在hbase和Hive中的作用吧 。hbase与hive都是架构在hadoop之上的 。都是用hadoop作为底层存储 。而hbase是作为分布式数据库，而hive是作为分布式数据仓库 。
sqoop导入mysql数据运行过程中依赖mysql-connector-java-.jar所以你需要下载mysql-connector-java-.jar并复制到sqoop-0-CDH3B4/lib中 。
其实这中间还涉及到一些其他的细节，比如mysql表结构变更，或者mysql和hive的数据结构不一致的情况 。另外我们这边还存在多个db的相同的表导入到hive的一张表中的其他问题，我就不赘述了 。
【为什么用hive不用hbase hive为什么需要mysql】MYSQL有主键约束，而HIVE数据重复，HIVE到MYSQL过程中出现僵死（未查看详细日志，必然报SQL错误），最后手动杀掉执行进程的 。
