RDBMS是写模式

Hive是读模式

我们传统的关系型数据库RDBMS是写模式。在RDBMS里，我们对表进行数据操作时候，RDBMS会用数据库的第一第二第三范式去检查数据的规范性，如果不符合规范，数据库就拒绝数据的加载和操作。这个验证过程消耗资源，在数据量大的时候，会影响效率。因为日常的关系型数据库处理的数据不是很多，效率慢点没关系。

大数据在对数据的加载的时候不进行校验，如果校验将降低效率，导致消息阻塞，影响数据库的读取效率。

关系型数据库RDBMS主要处理的是结构化的数据，对数据源本身就有很好的规范，加载结构化有规范的数据时候，可以进行校验。而hadoop等的大数据平台保存的数据源有些是结构化的，有些不是结构化的，无规律的，没联系的数据。无法进行校验，检测。如果检测，将导致大量不符合第一第二第三范式的数据不能保存。

所以，hive这种读的模式，加载数据很快，减少延迟。而在数据具体使用的时候，再去处理，极高地提高了效率。如果补数据不符合建表规范，比如：表字段是int类型，而导入的是string类型，则hive会保存为null。

hive不支持对行的操作，只支持对数据的覆盖和追加操作。