Apache Hive es una infraestructura de almacén de datos integrada en Hadoop que permite el análisis, la consulta mediante un lenguaje sintácticamente próximo a SQL y la síntesis de datos denominado HQL. El objetivo de este documento es ayudarle a sacar partido de esta herramienta teniendo en cuenta algunos aspectos clave (formato de almacenamiento, funciones de usuario, muestreo de datos).