2021SC@SDUSC
目录
Hive介绍
Hive的安装部署
安装环境
安装步骤
初步使用
Hive源码分析及任务分工
Hive介绍
Hive是基于 Hadoop 的一个适用于海量数据的数据仓库工具，可以将结构化的数据文件映射为一张表，并提供类 SQL 查询功能（HQL）。其本质是将类SQL语句转化为MapReduce程序，从而避免了去写 MapReduce程序，减少开发人员的学习成本。
Hive的安装部署
安装环境
使用VMware，Linux系统为CentOS-7
安装步骤
1.安装hive的前提准备：
提前在Linux系统中安装配置jdk、MySql
2.Hadoop安装过程：
选择伪分布式单机部署，在这之前还要进行进行配置:
修改Linux网络参数文件;
根据安装说明，配置core-site.xml、hdfs-site.xml、mapred-site.xml等文件;
在profile中添加环境变量并执行source /etc/profile;
执行hdfs namenode -format初始化，start-all.sh来启动hadoop。
至此，hadoop已经可以使用了。
3.安装hive
1） 把 apache-hive-3.1.2-bin.tar.gz 置于 linux 的/opt/software 目录下
2） 解压 apache-hive-3.1.2-bin.tar.gz 到/opt/module/ 目录下面
[root@hadoop102 software]$ tar -zxvf /opt/software/apache-hive-3.1.2-bin.tar.gz -C /opt/module/
3）修改 apache-hive-3.1.2-bin.tar.gz 的名称为 hive
[root@hadoop102 software]$ mv /opt/module/apache-hive-3.1.2-bin/opt/module/hive
4）修改/etc/profile.d/my_env.sh，添加环境变量
[root@hadoop102 software]$ sudo vim /etc/profile.d/my_env.sh
5）添加内容
#HIVE_HOME export HIVE_HOME=/opt/module/hive export PATH=$PATH:$HIVE_HOME/bin
6） 初始化元数据库
[root@hadoop102 hive]$ bin/schematool -dbType derby -initSchema
7）将元数据库的地址改为MySql
将 MySQL 的 JDBC 驱动拷贝到 Hive 的 lib 目录下
[root@hadoop102 software]$ cp /opt/software/mysql-connector-java-5.1.37.jar $HIVE_HOME/lib
8）在$HIVE_HOME/conf 目录下新建 hive-site.xml 文件
文件内容如下：
javax.jdo.option.ConnectionURL jdbc:mysql://hadoop102:3306/metastore?useSSL=false javax.jdo.option.ConnectionDriverName com.mysql.jdbc.Driver javax.jdo.option.ConnectionUserName root javax.jdo.option.ConnectionPassword 000000 hive.metastore.schema.verification false hive.metastore.event.db.notification.api.auth false hive.metastore.warehouse.dir /user/hive/warehouse
9）登陆 MySQL
[root@hadoop102 software]$ mysql -uroot -p000000
10）新建 Hive 元数据库
mysql> create database metastore; mysql> quit;
11）初始化 Hive 元数据库
[root@hadoop102 software]$ schematool -initSchema -dbType mysql -verbose
这样，就将Hive的元数据库配置在了MySQL数据库里，至此，就初步完成了Hive的安装。
初步使用
将hive元数据配置到了MySQL中之后再开启hive。
1）启动 Hive
[root@hadoop102 hive]$ bin/hive
2）使用 Hive查看表、执行简单SQL语句
通过运行时间，我们也能清晰的看出，hive处理小规模数据没有什么优势，它的优势在于大数据的处理。
至此，hive的安装工作就基本完成了。
Hive源码分析及任务分工
为了更好的解读源码，需要对Hive的基本架构和运行原理有一定了解。经查询学习，Hive正常运行时需要主要组件有如下几部分：
1. 用户接口
主要有CLI（command-line interface）、JDBC/ODBC(jdbc 访问 hive) 等
2.元数据：metastore
元数据就是数据的数据，包括：表名、表所属的数据库、表的拥有者、列/分区字段、表的类型、表的数据所在目录等；
3. 驱动器（重点）
（1）解析器：将 SQL 字符串转换成抽象语法树（AST）；对 AST 进行语法分析。
（2）编译器：将 AST 编译生成逻辑执行计划。
（3）优化器：对逻辑执行计划进行优化。
（4）执行器：把逻辑执行计划转换成可以运行的物理计划。
hive的核心：HQL-->MR的编译主流程
实际上，对于hive的功能，最直观简单理解的说法，就是把一条sql进行解析成mapreduce任务,去给hadoop执行，因此hive的核心，就是怎么去解释sql。我们的代码分析将紧紧围绕这个中心线进行。
一条语句，首先要经过用户接口进入，提交给驱动引擎，这是整个流程的第一步，具体到项目源码，这项工作由用户接口（CLI）完成，对应代码主要在cli包里，由我负责这其中一些关键代码的解读。
在cli提交作业给driver后，就来到了hive工作的关键部分，这是hive的核心和重点，驱动引擎中主要有编译器compiler、runtime和一些工具，主要位于项目的ql包内。这部分代码的分析由小组成员分工完成。
在编译流程中，首先进行的是语法分析，将HQL转化为抽象语法树AST Tree，第二个步骤，是从AST到QB再到Operator Tree的转换过程，由Hive的语义分析框架完成，该部功能对应的代码主要位于ql包下的Semantic analyzerd等类中。
Hive的语义分析框架的代码量较大（仅Semantic analyzer类代码量就超过14000行），当然这是因为从输入的ASTTree开始，后续的QB的生成，逻辑执行计划、逻辑执行计划的优化、物理执行计划的切分、物理执行计划的优化、以MR任务的生成全部都在些语义分析代码的逻辑中。
这些流程的源代码的分析将由我和队友合作进行分析，其中我的主要工作是编译流程中第二步AST-->QB对应的功能函数进行阅读分析。综上，我们已完成了Hive基本知识的了解、安装。对于源码分析，我主要负责：
①阅读分析用户接口cli中部分关键代码
②阅读分析编译流程中第二大步骤语义分析框架中的关键代码。
希望通过本次项目，可以进一步提高自己的代码阅读能力和分析能力，提高解决困难问题的能力。
end
