虽然Hadoop 平台和MapReduce 编程能够有效解决大数据数据存储和分布式计算等问题，但是它也面临的问题着以下几个问题：

1.人员学习成本太高。学习Hadoop 框架必须要掌握大量的配置信息，需要基本的Linux 知识和具备编程基础，这对于只是想通过Hadoop 平台进行数据分析的人员来说，无疑是学习成本高昂。

2.项目周期要求太短。在实际生产中通常项目周期紧，不允许开发人员有充足的时间学习整个Hadoop 框架。

3. MapReduce 编程难。要想熟练的掌握MapReduce 编程，不仅需要较强的编程能力，还需要很强的算法分析水平，这也使得只懂的SQL 语句的数据库人员在进行数据分析时无法下手。(www.daowen.com)

Hive 的出现解决了上述问题，方便不熟悉Hadoop 框架的人员使用Hadoop 平台。Hive 操作接口采用类SQL 语法(HQL)，这使得数据分析人员不用开发专门的MapReduce 应用，可以通过类SQL 语句快速实现简单的MapReduce 统计，十分适合数据仓库的统计分析，提高开发效率。

通过下图6-1 可以看到Hive 是在MapReduce 框架之上，Hive 会将SQL 语句转换成相应的MapReduce 执行，这里需要注意的是Hive 并不是分布式框架，它只在部署的节点运行。

图6-1　Hive 架构