1、下载合适的JDBC驱动，将下载的JDBC的驱动放到Sqoop的lib文件夹下。
2、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。
3、Table 类似于数据库中的表，每个 Table 有对应的目录存储数据，如表名为 pvs，其数据存储在 HDFS 的路径 /wh/pvs，其中的 wh 是由 hive-site.xml 中的 ${hive.metastore.warehouse.dir} 指定的数据仓库目录。
4、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）。Hive 中的 Table 和数据库中的 Table 在概念上是类似的，每一个 Table 在 Hive 中都有一个相应的目录存储数据。
1、用户提交查询等任务给Driver。 编译器获得该用户的任务Plan。 编译器Compiler根据用户任务去MetaStore中获取需要的Hive的元数据信息。
2、虽然有这样的缺点，一次遍历的数据量可以通过Hive的分区机制来控制。分区允许在数据集上运行过滤查询，这些数据集存储在不同的文件夹内，查询的时候只遍历指定文件夹（分区）中的数据。这种机制可以用来，例如，只处理在某一个时间范围内的文件，只要这些文件名中包括了时间格式。HBase通过存储keyalue来工作。
3、分布式计算框架和SparkStrom生态体系：有一定的基础之后，需要学习Spark大数据处理技术、Mlib机器学习、GraphX图计算以及Strom技术架构基础和原理等知识。Spark在性能还是在方案的统一性方面都看着极大的优越性，可以对大数据进行综合外理：实时数据流外理，批处理和交互式查询。
4、分析师团队认为，大数据通常用来形容一个公司创造的大量非结构化数据和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要像MapReduce一样的框架来向数数百或甚至数千的电脑分配工作。
5、价值密度低，由于数据采集的不及时，数据样本不全面，数据可能不连续等等，数据可能会失真，但当数据量达到一定规模，可以通过更多的数据达到更真实全面的反馈。
6、通常，复杂的客户关系管理（CRM）系统在易于使用的可视化界面中提供来自大数据集的精心挖掘的数据，以支持销售或推动其他工作。大数据通常也会控制企业供应链。大数据集可用于管理库存，处理原材料采购，推动产品出货策略或处理复杂供应链的任何部分。
1、首先，元数据能提供基于用户的信息，如记录数据项的业务描述信息的元数据能帮助用户使用数据。其次，元数据能支持系统对数据的管理和维护，如关于数据项存储方法的元数据能支持系统以最有效的方式访问数据。
2、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。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。
3、性能不同：由于Hive使用基于文件的存储格式，因此它在处理大数据集时具有更好的性能表现。相比之下，MySQL在处理大型数据集时可能会出现性能问题。
4、而MySQL是实时性数据库，对于数据的读取和写入操作响应更快，适合需要高实时性能的场景。此外，在处理复杂查询时，MySQL的查询性能通常优于Hive。综上所述，Hive和MySQL在数据规模、用途、查询语言、数据特性、处理机制和实时性能等方面存在显著差异。根据实际应用场景和需求选择合适的数据库系统是关键。
5、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。在查询时可以将HiveQL语句转换为 MapReduce 任务，在Hadoop层进行执行。
6、数据更新：Hive不支持数据更新，只可以读，不可以写，而SQL支持数据的读写。索引：Hive没有索引，因此查询数据的时候是通过mapreduce很暴力的把数据都查询一遍，这也是造成Hive查询数据速度很慢的原因，而MySQL有索引。数据规模：Hive存储的数据量超级大，而MySQL只是存储一些少量的业务数据。
