- Hive基本概念
- Hive是什么
- hive简介
- Hive本质
- Hive的优缺点
- 优点
- 缺点
- Hive架构原理
- Hive和 数据库比较
- 查询语言
- 数据更新
- 执行延迟
- 数据规模
- Hive安装
- Hive安装地址
- MySql安装
- Hive安装部署
- Hive 元数据配置到 MySql
- 拷贝驱动
- 配置 metastore 到 MySql
- 启动Hive
- 初始化元数据库
- 启动Hive
- 使用元数据服务的方式访问 Hive
- 使用JDBC方式访问Hive
- 编写启动 metastore 和 hiveserver2 脚本
- Hive常用交互命令
- Hive其他命令操作
- Hive常见属性配置
- hive窗口打印默认库和表头
- Hive运行日志信息配置
- 参数配置方式
- Hive数据类型
Hive：由Facebook开源用于解决海量结构化日志的数据统计工具
Hive 是基于Hadoop的一个数据仓库工具，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
Hive本质将HQL转化成MapReduce程序
- Hive 处理的数据存储在 HDFS
- Hive 分析数据底层的实现是 MapReduce
- 执行程序运行在 Yarn 上
- 操作接口采用类SQL语法，提供快速开发的能力（简单、容易上手）
- 避免了去写MapReduce，减少开发人员的学习成本
- Hive的执行延迟比较高，因此Hive常用于数据分析，对实时性要求不高的场合
- Hive优势在于处理大数据，对于处理小数据没有优势，因为Hive的执行延迟比较高
- Hive支持用户自定义函数，用户可以根据自己的需求来实现自己的函数
Hive的HQL表达能力有限
- 迭代式算法无法表达
- 数据挖掘方面不擅长，由于MapReduce数据处理流程的限制，效率更高的算法却无法实现
Hive的效率比较低
- Hive自动生成的MapReduce作业，通常情况下不够智能化
- Hive调优比较困难，粒度较粗
用户接口：Client
CLI（command-line interface）、JDBC/ODBC(jdbc访问hive)、WEBUI（浏览器访问hive）
元数据：metastore
元数据包括：表名、表所属的数据库（默认是default）、表的拥有者、列/分区字段、表的类型（是否是外部表）、表的数据所在目录等
默认存储在自带的 derby 数据库中，推荐使用 MySQL 存储 metastore
Hadoop
使用HDFS进行存储，使用MapReduce进行计算
驱动器：Driver
- 解析器（SQL Parser）：将SQL字符串转换成抽象语法树AST，这一步一般都用第三方工具库完成，比如antlr；对AST进行语法分析，比如表是否存在、字段是否存在、SQL语义是否有误
- 编译器（Physical Plan）：将AST编译生成逻辑执行计划
- 优化器（Query Optimizer）：对逻辑执行计划进行优化
- 执行器（Execution）：把逻辑执行计划转换成可以运行的物理计划。对于Hive来说，就是MR/Spark
Hive 通过给用户提供的一系列交互接口，接收到用户的指令(SQL)，使用自己的 Driver ，结合元数据(metaStore)，将这些指令翻译成 MapReduce ，提交到 Hadoop 中执行，最后，将执行返回的结果输出到用户交互接口
Hive和 数据库比较由于 Hive 采用了类似SQL 的查询语言 HQL(Hive Query Language)，因此很容易将 Hive 理解为数据库。其实从结构上来看，Hive 和数据库除了拥有类似的查询语言，再无类似之处。
数据库可以用在 online 的应用中，但是Hive 是为数据仓库而设计的，清楚这一点，有助于从应用角度理解 Hive 的特性
查询语言由于SQL被广泛的应用在数据仓库中，因此，专门针对Hive的特性设计了类SQL的查询语言HQL。熟悉SQL开发的开发者可以很方便的使用Hive进行开发
数据更新由于Hive是针对数据仓库应用设计的，而数据仓库的内容是读多写少的。因此，Hive中不建议对数据的改写，所有的数据都是在加载的时候确定好的。而数据库中的数据通常是需要经常进行修改的，因此可以使用 INSERT INTO … VALUES 添加数据，使用 UPDATe … SET修改数据
执行延迟Hive 在查询数据的时候，由于没有索引，需要扫描整个表，因此延迟较高。另外一个导致 Hive 执行延迟高的因素是 MapReduce框架。由于MapReduce 本身具有较高的延迟，因此在利用MapReduce 执行Hive查询时，也会有较高的延迟。相对的，数据库的执行延迟较低。当然，这个低是有条件的，即数据规模较小，当数据规模大到超过数据库的处理能力的时候，Hive的并行计算显然能体现出优势
数据规模由于Hive建立在集群上并可以利用MapReduce进行并行计算，因此可以支持很大规模的数据；对应的，数据库可以支持的数据规模较小
Hive安装 Hive安装地址Hive官网地址 : http://hive.apache.org/
文档查看地址 : https://cwiki.apache.org/confluence/display/Hive/GettingStarted
下载地址 : http://archive.apache.org/dist/hive/
github地址 : https://github.com/apache/hive
MySql安装为什么需要Mysql
原因在于Hive默认使用的元数据库为derby，开启Hive之后就会占用元数据库，且不与其他客户端共享数据，如果想多窗口操作就会报错，操作比较局限。以我们需要将Hive的元数据地址改为MySQL，可支持多窗口操作
检查当前系统是否安装过Mysql
rpm -qa | grep mariadb
如果存在通过如下命令卸载
sudo rpm -e --nodeps mariadb-libs
将MySQL安装包拷贝到/opt/software目录下
解压MySQL安装包
tar -xf mysql-5.7.28-1.el7.x86_64.rpm-bundle.tar
在安装目录下执行rpm安装
sudo rpm -ivh mysql-community-common-5.7.28-1.el7.x86_64.rpm
sudo rpm -ivh mysql-community-libs-5.7.28-1.el7.x86_64.rpm
sudo rpm -ivh mysql-community-libs-compat-5.7.28-1.el7.x86_64.rpm
sudo rpm -ivh mysql-community-client-5.7.28-1.el7.x86_64.rpm
sudo rpm -ivh mysql-community-server-5.7.28-1.el7.x86_64.rpm
注意:按照顺序依次执行
如果Linux是最小化安装的，在安装 mysql-community-server-5.7.28-1.el7.x86_64.rpm 时可能会出 现如下错误
sudo rpm -ivh mysql-community-server-5.7.28-1.el7.x86_64.rpm
通过yum安装缺少的依赖,然后重新安装 mysql-community-server-5.7.28-1.el7.x86_64 即可
yum install -y libaio
删除 /etc/my.cnf 文件中 datadir 指向的目录下的所有内容,如果有内容的情况下
[mysqld] datadir=/var/lib/mysql
删除 /var/lib/mysql 目录下的所有内容
cd /var/lib/mysql
sudo rm -rf ./*
初始化数据库
sudo mysqld --initialize --user=mysql
查看临时生成的root用户的密码
cat /var/log/mysqld.log
启动MySQL服务
sudo systemctl start mysqld
登录MySQL数据库
mysql -uroot -p
必须先修改root用户的密码 , 否则执行其他的操作会报错
set password = password("新密码")
修改 mysql 库下的 user 表中的 root 用户允许任意ip连接
update mysql.user set host='%' where user='root';
flush privileges;Hive安装部署
把 apache-hive-3.1.2-bin.tar.gz 上传到linux的 /opt/software 目录下
解压 apache-hive-3.1.2-bin.tar.gz 到 /opt/module/ 目录下面
tar -zxvf /opt/software/apache-hive-3.1.2-bin.tar.gz -C /opt/module/
修改 apache-hive-3.1.2-bin.tar.gz 的名称为 hive-3.1.2
mv /opt/module/apache-hive-3.1.2-bin/ /opt/module/hive-3.1.2
修改/etc/profile.d/my_env.sh，添加环境变量
sudo vim /etc/profile.d/my_env.sh
添加内容
#HIVE_HOME HIVE_HOME=/opt/module/hive-3.1.2 PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$HIVE_HOME/bin export PATH JAVA_HOME HADOOP_HOME HIVE_HOME
解决日志Jar包冲突
mv $HIVE_HOME/lib/log4j-slf4j-impl-2.10.0.jar $HIVE_HOME/lib/log4j-slf4j-impl-2.10.0.bakHive 元数据配置到 MySql 拷贝驱动
将 MySQL 的JDBC驱动拷贝到 Hive 的 lib 目录下
cp /opt/software/mysql-connector-java-5.1.48.jar $HIVE_HOME/lib配置 metastore 到 MySql
在 $HIVE_HOME/conf 目录下新建 hive-site.xml 文件
vim $HIVE_HOME/conf/hive-site.xml
添加如下内容
启动Hive 初始化元数据库javax.jdo.option.ConnectionURL jdbc:mysql://cpucode101:3306/metastore?useSSL=false javax.jdo.option.ConnectionDriverName com.mysql.jdbc.Driver javax.jdo.option.ConnectionUserName root javax.jdo.option.ConnectionPassword 123456 hive.metastore.warehouse.dir /user/hive/warehouse hive.metastore.schema.verification false hive.metastore.event.db.notification.api.auth false
登陆MySQL
mysql -uroot -p000000
新建Hive元数据库
create database metastore;
quit;
初始化Hive元数据库
schematool -initSchema -dbType mysql -verbose启动Hive
先启动hadoop集群
启动Hive
bin/hive
使用Hive
show databases;
show tables;
create table test (id int);
insert into test values(1);
select * from test;
开启另一个窗口测试开启 hive
bin/hive使用元数据服务的方式访问 Hive
在 hive-site.xml 文件中添加如下配置信息
hive.metastore.uris
thrift://cpucode100:9083
启动 metastore
hive --service metastore
注意: 启动后窗口不能再操作，需打开一个新的shell窗口做别的操作
启动 hive
bin/hive使用JDBC方式访问Hive
在hive-site.xml文件中添加如下配置信息
hive.server2.thrift.bind.host
cpucode100
hive.server2.thrift.port
10000
bin/hive --service hiveserver2编写启动 metastore 和 hiveserver2 脚本 Hive常用交互命令
bin/hive -helpHive其他命令操作 Hive常见属性配置 hive窗口打印默认库和表头 Hive运行日志信息配置 参数配置方式 Hive数据类型
