Hive 跟传统数据库的区别
传统数据库在写入数据时是强制检查对照，如果不符合模式，则拒绝加载数据。这种模式被称为是写时模式。（“写时模式”（schema on write））
而Hive则是读时模式：在查询数据时才对数据进行对照检查。（schema on read）
Hive缺点：延迟较高，暂不支持事务类操作，不适用在联机事务处理，在线事务查询。hive不支持实时数据处理，对索引的支持较弱。hive不支持行级的插入。
Hive有以下优势：
Hive的数据“读模式”,加载数据更迅速，比传统数据库“写模式” Hive的索引查询速度更快 Hive的可扩展性更好 Hive建立在集群上并利用 MapReduce进行并行计算，因此支持很大规模的数据 Hive格式很灵活，它没有定义专门的数据格式，数据格式可以由用户指定
参考链接：hive和传统数据库的区别
hive为什么不推荐使用默认Derby数据库
在安装完成Hive之后默认是以Derby数据库作为元数据库，存储Hive有那些数据库，以及每个数据库中有哪些表，但是在实际生产过程中，并不是以derby作为Hive元数据库，都是以Mysql去替换derby。
主要是基于两点原因：
1.Derby数据库不支持并发，只支持单线程操作，当有一个用户在对Hive进行操作时，其他用户则无法操作，导致整体效率性能较低。（derby 的一大缺陷在于它不允许多个客户端同时执行sql操作）
2.当在切换目录后，重新进入Hive会找不到原来已经创建的数据库和表。主要原因是比如第一次是在bin目录下进入Hive，那么在进入Hive后，会在bin目录下创建一个metaStore.db的目录，然后在此目录下会创建一个derby.log的日志文件，所有的元数据的信息都是存储在这个日志文件中。那么经过更换目录后，然后进入Hive就会存在一个问题，原有的元数据信息都是基于bin目录下创建的，所以在找数据库和表的信息时候，都是基于bin目录的，而此时就会找不到原来创建好的数据库和表。
所以会将默认的Derby数据库进行更换为Mysql。
参考链接：hive为什么不推荐使用默认Derby数据库
Hive的sort by, order by, distribute by, cluster by区别？
Hive的order by和其他语言的一样，会对查询结果执行一个全局排序。在Hive执行时会出现，对所有数据有一个reduce的过程，但这对大数据而言，这个过程非常耗时。
而Hive多增加了一个排序方式，就是在每个reduce过程执行数据排序（局部排序），这样就可以提高后面的全局排序的效率。
因此，要想对hive执行全排序，有2种方法 1、使用order by 2、使用sort by和order by混合。通过sord by对reduce后的数据进行局部排序，最后通过order by进行最后的全局排序。
sort by 的数据能保证在同一个reduce中的数据可以按指定字段排序。使用sort by可以指定执行的reduce个数(通过set mapred.reduce.tasks=n来指定)，对输出的数据再执行归并排序，即可得到全部结果。
set mapred.reduce.tasks=3;
insert overwrite local directory '/Users/liuwenqiang/workspace/hive/sort' row format delimited fields
terminated by '\t'
select * from ods_temperature sort by year;
执行结果：每个reduce结果输出到文件，查看文件，可以看出每个文件的年份都是递增的。
在小数据量的前提下，sort by 的处理速度比 order by慢。因为启动reduce的速度比处理数据的速度慢。
distribute by是控制在map端如何拆分数据给reduce端的。类似于MapReduce中分区partationer对数据进行分区。
hive会根据distribute by后面列，将数据分发给对应的reduce，默认方式是采用hash算法+取余数。
sort by为每个reduce产生一个排序文件，在有些情况下，你需要把某写特定的行应该分配给指定的reduce，为了进行后续的聚集操作。
distribute by刚好可以做这件事。因此，distribute by经常和sort by配合使用。
例如上面的sort by 的例子中，我们发现不同年份的数据并不在一个文件中，也就说不在同一个reducer 中，如何将相同的年份输出在同一个reduce，然后按照温度升序排序。
在没有使用distribute by，reduce输出的年份是混乱的，加上后输出的结果就是相同年份的被分配到同一个reduce中。注意：distribute by 是在sort by之前的。
cluster by ：就是把distribute by 和sort by的结合起来。
当distribute by 和sort by 两者排序字段相同是，可以直接使用cluster by 来代替。例子：
select * from ods_temperature distribute by year sort by year ;
select * from ods_temperature cluster by year ;
缺点：排序只能是升序排序，不能指定排序规则为ASC或者DESC。
总结
order by 是全局排序，可能性能会比较差； sort by分区内有序，往往配合distribute by来确定该分区都有那些数据； distribute by 确定了数据分发的规则，满足相同条件的数据被分发到一个reducer； cluster by 当distribute by和sort by 字段相同时，可以使用cluster by 代替distribute by和sort by,但是cluster by默认是升序，不能指定排序方向； sort by limit 相当于每个reduce 的数据limit 之后，进行order by 然后再limit ；
参考连接：hive四种排序详解[图解4种排序
