CLI（hive shell）、JDBC/ODBC(java訪問hive)、WEBUI（瀏覽器訪問hive）
2．元數據：Metastore
元數據包括：表名、表所屬的數據庫（默認是default）、表的擁有者、列/分區字段、表的類型（是否是外部表）、表的數據所在目錄等；
默認存儲在自帶的derby數據庫中，推薦使用MySQL存儲Metastore
3．Hadoop
使用HDFS進行存儲，使用MapReduce進行計算。
4．驅動器：Driver
（1）解析器（SQL Parser）：將SQL字符串轉換成抽象語法樹AST，這壹步壹般都用第三方工具庫完成，比如antlr；對AST進行語法分析，比如表是否存在、字段是否存在、SQL語義是否有誤。
（2）編譯器（Physical Plan）：將AST編譯生成邏輯執行計劃。
（3）優化器（Query Optimizer）：對邏輯執行計劃進行優化。
（4）執行器（Execution）：把邏輯執行計劃轉換成可以運行的物理計劃。對於Hive來說，就是MR/Spark。
Hive通過給用戶提供的壹系列交互接口，接收到用戶的指令(SQL)，使用自己的Driver，結合元數據(MetaStore)，將這些指令翻譯成MapReduce，提交到Hadoop中執行，最後，將執行返回的結果輸出到用戶交互接口。
二：Hive的作用和優勢：
基於Hadoop的數據倉庫解決方案
Hive是基於Hadoop的壹個數據倉庫工具，將結構化的數據文件映射為數據庫表。
提供類sql的查詢語言HQL(Hive Query Language)
數據不放在hive上，放在HDFS上
由Facebook開源用於解決海量結構化日誌的數據統計。
執行程序運行在Yarn上
優勢：
提供了簡單的優化模型
HQL類sql語法，簡化MR開發
支持在HDFS和HBase上臨時查詢數據
支持用戶自定義函數，格式
成熟JDBC和ODBC驅動程序，用於ETL和BI
穩定可靠的批處理
支持在不同計算框架運行
缺點：
Hive的執行延遲比較高，因此Hive常用於數據分析，對實時性要求不高的場合
叠代式算法無法表達
數據挖掘方面不擅長
Hive自動生成的MapReduce作業，通常情況下不夠智能化
Hive調優比較困難，粒度較粗