准备工作

下载Hive

Hive 1.x 和 Hadoop 1.x 对应；
Hive 2.x 和 Hadoop 2.x 对应；
Hive 3.x 和 Hadoop 3.x 对应；
到官网或者镜像中心下载对应版本的Hive。例如：apache-hive-3.1.3-bin.tar.gz

安装

解压

将 tar包上传到hadoop服务器，例如 hadoop102上的 /opt/software文件夹中。
解压到/opt/module文件夹：

tar -zxvf apache-hive-3.1.3-bin.tar.gz -C /opt/module/

如果感觉解压后的文件名比较长，可以进行重命名：

cd /opt/module
mv apache-hive-3.1.3-bin/ hive-3.1.3

配置环境变量

在/etc/profile.d/my_env.sh中加入以下环境变量：

# HIVE_HOME
export HIVE_HOME=/opt/module/hive-3.1.3
export PATH=$PATH:$HIVE_HOME/bin

解决日志 jar 包冲突

移除HIVE的日志jar包：

mv $HIVE_HOME/lib/log4j-slf4j-impl-2.17.1.jar $HIVE_HOME/lib/log4j-slf4j-impl-2.17.1.bak

不需要集群部署

因为Hive只是一个将HQL语句转换成MapReduce的工具，本质上也还是一个执行MapReduce任务的客户端，就和我们运行一个java程序一样，所以不存在集群化部署。

启动

初始化元数据库

当不修改配置时，hive默认使用的是自带的 derby 数据库。
启动前，需要先初始化元数据库：

  bin/schematool -dbType derby -initSchema

如果执行报以下错误：

Exception in thread "main" java.lang.NoSuchMethodError: com.google.common.base.Preconditions.checkArgument(ZLjava/lang/String;Ljava/lang/Object;)V
        at org.apache.hadoop.conf.Configuration.set(Configuration.java:1357)
        at org.apache.hadoop.conf.Configuration.set(Configuration.java:1338)
        at org.apache.hadoop.mapred.JobConf.setJar(JobConf.java:536)
        at org.apache.hadoop.mapred.JobConf.setJarByClass(JobConf.java:554)
        at org.apache.hadoop.mapred.JobConf.<init>(JobConf.java:448)
        at org.apache.hadoop.hive.conf.HiveConf.initialize(HiveConf.java:5144)
        at org.apache.hadoop.hive.conf.HiveConf.<init>(HiveConf.java:5107)
        at org.apache.hive.beeline.HiveSchemaTool.<init>(HiveSchemaTool.java:96)
        at org.apache.hive.beeline.HiveSchemaTool.main(HiveSchemaTool.java:1473)
        at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
        at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62)
        at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
        at java.lang.reflect.Method.invoke(Method.java:498)
        at org.apache.hadoop.util.RunJar.run(RunJar.java:323)
        at org.apache.hadoop.util.RunJar.main(RunJar.java:236)

则可能是 hive 内依赖的 guava.jar 和 hadoop内的 guava.jar版本不一致造成的。

检查方法：

• 查看$HIVE_HOME/lib下的guava-xxx.jar（hive 3.1.3自带的是guava-19.0.jar）
• 查看$HADOOP_HOME/share/hadoop/common/lib下的guava-xxx.jar（hadoop 3.2.3自带的是guava-27.0-jre.jar）

将hive中低版本的guava的jar包移除，更换成 hadoop 的高版本 guava 包：

mv $HIVE_HOME/lib/guava-19.0.jar $HIVE_HOME/lib/guava-19.0.bak
cp $HADOOP_HOME/share/hadoop/common/lib/guava-27.0-jre.jar $HIVE_HOME/lib/

然后重新执行初始化元数据命令即可。

初始化元数据库成功后，会在hive目录下生成：derby.log日志文件、metastore_db元数据库信息文件夹。

启动hive客户端

使用命令启动hive客户端：

bin/hive

查看启动日志，默认的日志保存位置为：/tmp/用户名/hive.log。

启动后，会出现一个警告：

Hive-on-MR is deprecated in Hive 2 and may not be available in the future versions. Consider using a different execution engine (i.e. spark, tez) or using Hive 1.X releases.
基于MR的Hive在 hive 2时已经过时，将来版本中可能会被弃用，考虑使用其他引擎（例如spark、tez），或者使用 hive 1.x。

简单的命令

HQL命令类似于Mysql的SQL：

-- 查看所有数据库
show databases;
-- 查看所有表
show tables;
-- 创建表
create table test(id string);  -- 字符串是string，整数是int，类似java的类型
-- 插入一条数据
insert into test values('aaa'); -- 该语句执行后，会被转换成一个MapReduce任务

默认生成的test文件为：/user/hive/warehouse/test/000000_0。该路径也可以自定义

更换元数据库

derby数据库的弊端

hive默认使用的是自带的derby数据库，该数据库使用起来不方便：

• 不能连接进去查看具体的内部数据
• 不支持多用户。当启动两个及以上的hive客户端时，就会报错

所以需要将hive的元数据库修改为MySQL。

安装Mysql数据库

下载：
到mysql官网下载对应Linux版本的Mysql 5.7安装包：mysql-5.7.28-1.el7.x86_64.rpm-bundle.tar
将安装包上传到 hadoop102 的/opt/software/目录并解压：

# 解压完的几个文件还是安装包，所以直接解压到 /opt/software 文件夹即可
tar -xvf mysql-5.7.28-1.el7.x86_64.rpm-bundle.tar

卸载系统自带的Mysql：

# 检查当前系统是否已经自带了Mysql
rpm -qa | grep mariadb
# 如果已经自带了Mysql，例如mariadb-libs-5.5.56-2.el7.x86_64，则先进行卸载
sudo rpm -e --nodeps mariadb-libs
# 卸载完重新检查
rpm -qa | grep mariadb

安装Mysql：

需要注意安装顺序，后面的rpm对前面的有依赖

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

如果出现检测mysql-community-libs-8.0.29-1.el7.x86_64.rpm: 头V4 RSA/SHA256 Signature, 密钥 ID 3a79bd29: NOKEY 安装命令后面加 —nodeps —force 例如 rpm -ivh mysql-community-libs-8.0.16-2.el7.x86_64.rpm —nodeps —force

如果linux是最小版本的，可能会缺少libaio等依赖，根据报错安装相关依赖即可：

# 如果报错缺少libaio依赖，则安装依赖即可。没报错则无需安装
yum install -y libaio

删除datadir中的内容：

查看文件/etc/my.cnf 文件中的 datadir的值，默认是/var/lib/mysql。
进入该路径，查看该路径下是否有内容。如果有则清空该文件夹下的内容，如果没有则无需理会。
初始化数据库：

sudo mysqld --initialize --user=mysql

启动Mysql服务：

sudo systemctl start mysqld

mysqld服务默认就是开机自启，无需再配置开机自启。
查看临时生成的root用户的密码：

# 查看日志文件中生成root用户的临时密码 A temporary password is generated for root@localhost:
sudo cat /var/log/mysqld.log

使用该密码登录数据库：

mysql -uroot -p

登入数据库后，修改root用户的密码，否则执行其他操作可能会报错：

-- set password = password("新密码");
set password = password("root");

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;

更换为Mysql数据库

添加jdbc驱动：

从Maven中央仓库下载mysql驱动包：mysql-connector-java-5.1.37.jar

将mysql的jdbc驱动包放到$HIVE_HOME/lib目录下。

添加配置文件：

hive的配置文件位于$HIVE_HOME/conf目录下，该目录下自带了一些.template的模板样例。

与Hadoop的xxx-site.xml配置文件类似，Hive中用户自定义的配置文件叫hive-site.xml。

在$HIVE_HOME/conf下新建hive-site.xml:

内容可以参考hive-default.xml.template模板

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
    <property>
        <name>javax.jdo.option.ConnectionURL</name>
        <value>jdbc:mysql://hadoop102:3306/hive?useSSL=false</value>
        <description>jdbc连接的URL</description>
    </property>
    <property>
        <name>javax.jdo.option.ConnectionDriverName</name>
        <value>com.mysql.jdbc.Driver</value>
        <description>jdbc驱动类</description>
    </property>
    <property>
        <name>javax.jdo.option.ConnectionUserName</name>
        <value>root</value>
        <description>用户名</description>
    </property>
    <property>
        <name>javax.jdo.option.ConnectionPassword</name>
        <value>root</value>
        <description>密码</description>
    </property>
    <!-- 下面两处的校验是为了derby的校验。如果换成了Mysql数据库，都需要设置成false，否则hive会启动失败 -->
    <property>
        <name>hive.metastore.schema.verification</name>
        <value>false</value>
        <description>hive元数据存储版本的验证</description>
    </property>
    <property>
        <name>hive.metastore.event.db.notification.api.auth</name>
        <value>false</value>
        <description>hive元数据存储授权</description>
    </property>
    <property>
        <name>hive.metastore.warehouse.dir</name>
        <value>/user/hive/warehouse</value>
        <description>Hive表数据在HDFS的默认存储的工作目录</description>
    </property>
</configuration>

初始化Mysql元数据库

登录Mysql，根据hive-site.xml配置的数据库实例名，在Mysql中创建Hive的元数据库：

create database hive;

使用hive的schematool工具初始化hive元数据库：

/opt/module/hive-3.1.3/bin/schematool -initSchema -dbType mysql -verbose

再次启动hive：

# 启动hive进行查看
bin/hive

Hive向外提供服务

Hive安装之后，可以在本机进行使用，但是还无法让第三方客户端连接。

如果想在Java程序等第三方客户端中连接使用Hive服务，则还需开启Hive的对应服务。

使用元数据服务的方式访问Hive

1. 在hive-site.xml文件中添加如下信息：

   <property>
   <name>hive.metastore.uris</name>
   <value>thrift://hadoop102:9083</value>
   <description>指定存储元数据要连接的地址</description>
   </property>

1. 启动metastore服务：

   hive --service metastore

1. 启动hive

   bin/hive

配置了metastore服务后，第三方工具就可以通过该服务来连接本机的hive。

注意事项：

如果在hive-site.xml中配置了metastore服务，那么就必须启动该服务才能使用hive，否则会报错。

使用JDBC方式访问Hive

1. 在hive-site.xml中添加如下信息：

   <!-- 需要先配置metastore服务的：hive.metastore.uris -->
   <property>
   <name>hive.server2.thrift.bind.host</name>
   <value>hadoop102</value>
   <description>指定hive server2连接的host</description>
   </property>
   <property>
   <name>hive.server2.thrift.bind.port</name>
   <value>10000</value>
   <description>指定hive server2连接端口号</description>
   </property>

1. 启动hive server2：

   # 需要先启动metastore服务 hive --service metastore
   hive --service hiveserver2  
   # 也可以使用 bin/hiveserver2命令启动

1. 启动 beeline 客户端：（hiveserver2服务启动的比较慢，需要等待一会儿才能连上）

   # beeline -u jdbc地址 -n 用户名
   # 不需要密码，hiveserver2没有密码
   bin/beeline -u jdbc:hive2://hadoop102:10000 -n tengyer

1. 连接上之后，就可以正常的进行查询：

   show tables;
   select * from test;

1. hiveserver2启动后，会向外暴露一个WebUI服务，端口号是 10002，可以用浏览器进行访问：http://hadoop102:10002/

注意事项：

使用 hiveserver2时，底层会去连接 metastore 服务，所以除了要启动 hiveserver2服务外，还需要启动 metastore服务。

使用beeline连接hiveserver2时，如果报错：

WARN jdbc.HiveConnection: Failed to connect to hadoop102:10000
Error: Could not open client transport with JDBC Uri: jdbc:hive2://hadoop102:10000: Failed to open new session: java.lang.RuntimeException: org.apache.hadoop.ipc.RemoteException(org.apache.hadoop.security.authorize.AuthorizationException): User: tengyer is not allowed to impersonate tengyer (state=08S01,code=0)

需要在 Hadoop 的core-site.xml中添加配置：

<!-- 任意地址都可以使用hadoop 的超级代理用户tengyer连接（hive需要用） -->
<property>
    <name>hadoop.proxyuser.tengyer.hosts</name>
    <value>*</value>
</property>
<property>
    <name>hadoop.proxyuser.tengyer.groups</name>
    <value>*</value>
</property>

配置完需要重启Hadoop。

编写Hive服务启动脚本

hive --service xxxx开启的服务或者bin/hiveserver2启动的服务默认是在前台运行的，需要保证窗口不关闭，所以需要改为使用 nohup 启动。

nohup hive --service metastore 2>&1 &
nohup hive --service hiveserver2 2>&1 &

为了方便使用，可以编写成脚本，来管理服务的启动和关闭：~/bin/hiveservices.sh

#!/bin/bash
HIVE_LOG_DIR=/opt/module/hive-3.1.3/logs
if [ ! -d $HIVE_LOG_DIR ]
then
    mkdir -p $HIVE_LOG_DIR
fi
# 检查进程是否运行正常，参数1为进程名，参数2为进程端口
function check_process()
{
    pid=$(ps -ef 2>/dev/null | grep -v grep | grep -i $1 | awk '{print $2}')
    ppid=$(netstat -nltp 2>/dev/null | grep $2 | awk '{print $7}' | cut -d '/' -f 1)
    echo $pid
    [[ "$pid" =~ "$ppid" ]] && [ "$ppid" ] && return 0 || return 1
}
function hive_start()
{
    metapid=$(check_process HiveMetastore 9083)
    cmd="nohup /opt/module/hive-3.1.3/bin/hive --service metastore >$HIVE_LOG_DIR/metastore.log 2>&1 &"
    [ -z "$metapid" ] && eval $cmd || echo "Metastore 服务已启动"
    server2pid=$(check_process HiveServer2 10000)
    cmd="nohup /opt/module/hive-3.1.3/bin/hiveserver2 >$HIVE_LOG_DIR/HiveServer2.log 2>&1 &"
    [ -z "$server2pid" ] && eval $cmd || echo "HiveServer2 服务已启动"
}
function hive_stop()
{
    metapid=$(check_process HiveMetastore 9083)
    [ "$metapid" ] && kill $metapid || echo "Metastore服务未启动"
    server2pid=$(check_process HiveServer2 10000)
    [ "$server2pid" ] && kill $server2pid || echo "HiveServer2服务未启动"
}
case $1 in
"start")
    hive_start
    ;;
"stop")
    hive_stop
    ;;
"restart")
    hive_stop
    sleep 2
    hive_start
    ;;
"status")
    check_process HiveMetastore 9083 >/dev/null && echo "Metastore服务运行正常" || echo "Metastore服务运行异常"
    check_process HiveServer2 10000 >/dev/null && echo "HiveServer2服务运行正常" || echo "HiveServer2服务运行异常"
    ;;
*)
    echo Invalid Args!
    echo 'Usage: '${basename $0}' start|stop|restart|status'
    ;;
esac

Hive 交互命令

不进入hive交互窗口执行sql

Hive提供的交互命令可以通过-help进行查看：

hive -help

使用-e直接执行sql，不需要再进入hive提示符中。就可以把sql写到shell脚本中进行执行：

# 后面可以执行多个sql语句
hive -e "select * from test;"

使用-f执行sql文件：

# sql文件中可以带有多个sql语句
hive -v hive.sql

查看在hive中输入的所有历史命令：

cat ~/.hivehistory

hive交互窗口

hive窗口进入:

bin/hive

hive窗口退出：

# exit或quit
exit;

在hive交互窗口中查看 HDFS 文件系统内容：

# 在hive交互窗口中，可以直接查看hdfs文件系统内容
dfs -fs /;

在hive交互窗口中执行Linux本地的命令：

在命令前加上!即可执行Linux命令

!ls;
!clear;

静默模式：

只打印结果，不打印中间转换成MR的调试信息

hive -S

Hive 其他常用属性配置

Hive运行日志信息配置

Hive的log默认存放在 /tmp/用户名/hive.log文件中。

在$HIVE_HOME/conf下新建hive-log4j2.properties配置文件，修改hive的日志配置信息：

内容可以复制hive-log4j2.properties.template模板

# 修改配置文件中hive的日志文件夹路径配置
property.hive.log.dir=/opt/module/hive/logs

打印当前所处的数据库和表头

通过bin/hive进入Hive交互窗口后，如果使用use xxx;切换了数据库实例，不方便看出来。使用select查询时也没有表头列名。

可以在hive-site.xml中加入如下两个配置：

<property>
    <name>hive.cli.print.header</name>
    <value>true</value>
</property>
<property>
    <name>hive.cli.print.current.db</name>
    <value>true</value>
</property>

参数配置方式

查看当前所有配置信息。在Hive的交互窗口中使用set;命令查看：

set;

参数配置的三种方式：

• 使用配置文件配置
  默认的配置文件为：hive-default.xml。用户自定义的配置文件为：hive-site.xml
  用户自定义配置会覆盖默认配置。另外，Hive也会读入Hadoop的配置项，因为Hiva是作为Hadoop的客户端启动的，Hive的配置会覆盖Hadoop的配置。配置文件的设定对本机启动的所有Hive进程都有效。
• 命令行参数方式配置
  启动Hive时，可以在命令行添加-hiveconf param=value来设定参数。
  该配置参数只对本地hive启动有效。
  例如：

  hive -hiveconf mapred.reduce.tasks=10;

• 参数声明方式
  可以在HQL中使用SET关键字设定参数。
  例如：

  set mapred.reduce.tasks=100;

优先级：配置文件 < 命令行参数 < 参数声明。

有些系统级别的参数（例如 log4j 相关设定），必须使用前两种方式。

使用DBeaver等工具连接Hive

当Hive启动 jdbc 服务后，便可以使用 DBeaver 等第三方工具连接Hive。
Hive的 jdbc 驱动jar位于：$HIVE_HOME/jdbc文件夹下，如：hive-jdbc-3.1.3-standalone.jar

配置数据库连接：
主机：hadoop102,
端口：10000（配置的jdbc服务的端口）
数据库/默认：default（根据实际情况选择对应的数据库实例名）
用户名：kaixin（即hadoop的core-site.xml中配置的代理用户名）
密码：空
最终生成的JDBC url为：jdbc:hive2://hadoop102:10000/default