Hive 的元数据可以存储在 MySQL 中，解决了 derby 只能单客户端连接的问题。Hive 也可以开启类似 JDBC 的连接查询方式。

除了使用命令创建表、插入数据外，也可以将本地文件数据导入 Hive。

Hive 是 Facebook 开源的用于解决 海量结构化日志 的数据统计。
Hive 是基于 Hadoop 的数据仓库地址，可以 将结构化的数据文件映射为一张表，并提供 类似 SQL 的查询功能。
Hive 的本质是将 HQL(Hive Query Language) 转化为 MapReduce。

Zookeeper 是一个开源的分布式的，为分布式应用提供协调服务器的项目。

在之前的示例中，都是单个 Job 执行 MapReduce 程序，如何进行多 Job 串联？

Yarn 是一个资源调度平台，负责为运算程序提供服务器运算资源，相当于一个分布式的 操作系统，而 MapReduce 等运算程序相当于 操作系统上的应用程序

Hadoop 为每个作业维护若干个内置计数器，以描述多项指标。
如：记录已处理的字节数和记录数，使用户可以监控已处理的输入数据量和已产生的输出数据量

ReduceJoin 的工作：

Map 端的主要工作：为来自不同表或者文件的 KV 对，打标签以区别不同来源的记录，然后用连接字段作为 key，其余部分和新加的标志位作为 value，最后进行输出。
Reduce 端的主要工作：在 Reduce 端以连接字段作为 key 的分组已经完成，只需要在每个分组中，将那么来源于不同文件的记录分开，最后完成合并即可。

MapTask 流程分为：Read 阶段、Map 阶段、Collect 阶段、溢写阶段、Combine 阶段
ReduceTask 流程分为：Copy 阶段、Merge 阶段、Sort 阶段、Reduce 阶段