Hive基本概念
Hive安装
Hive元数据配置到Mysql
- 配置Metastore到Mysql
使用元数据服务的方式访问Hive
使用JDBC方式访问Hive
- 编写hive服务启动脚本
- 编写hive脚本
!/bin/bash
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
- 参数配置方式
  - 参数配置的三种方式
Hive数据类型
- 基本数据类型
- 集合数据类型
  - 案例实操

Hive基本概念

什么是Hive

Hive简介

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

Hive的优缺点

优点
操作接口采用类SQL语法，提供快速开发的能力
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，对实时性要去不高的场合
Hive的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

缺点

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

Hive架构原理

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：Meta store
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。
默认存在自带的derby数据库中，推荐使用MySQL存储Meta store

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Hive来说买就送MR/Spark

Hive运行机制
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（Meta store），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的查询语义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义，再无类似之处。本文将从多个方面来阐述Hive和数据库的差异。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

Hive安装部署

安装Hive
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
- tar -zxvf /opt/software/apache-hive-3.1.2-bin.tar.gz -C /opt/module/
修改 apache-hive-3.1.2-bin的名称为hive
- mv /opt/module/apache-hive-3.1.2-bin/ /opt/module/hive
修改 /etc/profile.d/my_env.sh 添加环境变量
- vi /etc/profile.d/my_env.sh
添加内容
- #HIVE_HOME
- export HIVE_HOME=/opt/module/hive
- export PATH=$PATH:$HIVE_HOME/bin
更新环境变量
- source /etc/profile
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.bak
初始化元数据库
- [root@hadoop102 hive]# bin/schematool -dbType derby -initSchema
  启动并使用Hive
  启动Hive
  [root@hadoop102 hive]# bin/hive
  使用Hive
```
show databases;
show tables;
create table test(id int);
insert into test values(1);
select * from test;
```
  Mysql安装
  检查当前系统是否安装过MySQL
rpm -qa|grep mariadb
rpm -qa|grep mysql
rpm -qa|grep -i mysql
卸载
- rpm -e --nodeps mariadb-libs
  将mysql安装包拷贝到 /opt/software目录下
  拷贝mysql连接的jar到hive目录下
cp /opt/software/mysql-connector-java-5.1.27-bin.jar /opt/module/hive/lib/

解压mysql安装包
tar -xf mysql-5.7.28-1.el7.x86_64.rpm-bundle.tar

依次执行下面的安装
rpm -ivh mysql-community-common-5.7.28-1.el7.x86_64.rpm
rpm -ivh mysql-community-libs-5.7.28-1.el7.x86_64.rpm
rpm -ivh mysql-community-libs-compat-5.7.28-1.el7.x86_64.rpm
rpm -ivh mysql-community-client-5.7.28-1.el7.x86_64.rpm
rpm -ivh mysql-community-server-5.7.28-1.el7.x86_64.rpm

删除 /etc/my.cnf文件中的datadir指向的目录下的所有内容
删除 /var/lib/mysql目录下的所有内容
- cd /var/lib/mysql
- rm -rf ./*
  初始化数据库
mysqld --initialize --user=mysql

查看临时生成的root用户密码
cat /var/log/mysqld.log
Bltw&2hktrM*

启动Mysql服务
systemctl start mysqld

登录mysql数据库
mysql -uroot -p

修改root密码
set password = password("123456");

修改mysql库下的user表中root用户允许任意ip连接
update mysql.user set host='%' where user='root';
flush privileges;

Hive元数据配置到Mysql

配置Metastore到Mysql

创建 hive-site.xml文件
vi $HIVE_HOME/conf/hive-site.xml

添加如下内容

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<!-- jdbc 连接的 URL --> 
<property>
  <name>javax.jdo.option.ConnectionURL</name>
  <value>jdbc:mysql://hadoop102:3306/metastore?useSSL=false</value>
</property>
<!-- jdbc 连接的 Driver--> 
<property>
  <name>javax.jdo.option.ConnectionDriverName</name>
  <value>com.mysql.jdbc.Driver</value>
</property>
<!-- jdbc 连接的 username--> 
<property>
  <name>javax.jdo.option.ConnectionUserName</name>
  <value>root</value>
</property>
<!-- jdbc 连接的 password --> 
<property>
  <name>javax.jdo.option.ConnectionPassword</name>
  <value>000000</value>
</property>
<!-- Hive 元数据存储版本的验证 --> 
<property>
  <name>hive.metastore.schema.verification</name>
  <value>false</value>
</property>
<!--元数据存储授权--> 
<property>
  <name>hive.metastore.event.db.notification.api.auth</name>
  <value>false</value>
</property>
<!-- Hive 默认在 HDFS 的工作目录 --> 
<property>
   <name>hive.metastore.warehouse.dir</name>
   <value>/user/hive/warehouse</value>
 </property>
</configuration>

登录mysql

mysql -uroot -p123456

新建Hive元数据库
create database metastore;

初始化Hive元数据库
[root@hadoop102 software]# schematool -initSchema -dbType mysql -verbose

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

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

启动metastore
- hive --service metastore
  使用JDBC方式访问Hive

在hive-site.xml文件中添加如下配置信息

<!-- 指定 hiveserver2 连接的 host --> 
<property>
<name>hive.server2.thrift.bind.host</name>
<value>hadoop102</value>
</property>
<!-- 指定 hiveserver2 连接的端口号 --> 
<property>
<name>hive.server2.thrift.port</name>
<value>10000</value>
</property>

启动hiveserver2
- [root@hadoop102 hive]# bin/hive --service hiveserver2
启动beeline客户端
- bin/hive -u jdbc:hive2://hadoop102:10000 -n atguigu
  编写hive服务启动脚本
前台启动的方式导致需要打开多个shell窗口，可以使用如下方式后台启动
nohup 放在命令开头，表示不挂起
/dev/null 是linux文件系统中的一个文件，被称为黑洞，所有写入该文件的内容都会被自动丢弃
2>&1 表示将错误重定向到标准输出上
& 放在命令结尾，表示后台运行
nohup hive --service metastore 2>&1 &

编写hive脚本
vi $HIVE_HOME/bin/hiveservices.sh ```shell

!/bin/bash
HIVE_LOG_DIR=$HIVE_HOME/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=$(check_process HiveMetastore 9083) cmd=”nohup hive —service metastore >$HIVE_LOG_DIR/metastore.log 2>&1 &” [ -z “$metapid” ] && eval $cmd || echo “Metastroe 服务已启动” server2pid=$(check_process HiveServer2 10000) cmd=”nohup 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


- 添加执行权限
   - `chmod +x $HIVE_HOME/bin/hiveservices.sh`
- 后台Hive启动
   - `hiveservices.sh start`
<a name="TenEJ"></a>
## Hive常用交互命令
<a name="rLRbC"></a>
### 不进入hive窗口执行sql语句

- `bin/hive -e "select id from student;"`
<a name="eN7yq"></a>
### 执行脚本中sql语句

- 在 `/opt/module/hive`下创建`datas`目录，并在datas目录下创建`hivef.sql`文件
   - `touch hivef.sql`
- 在文件中写入sql语句
   - `select * from student;`
- 执行文件中的sql语句
   - `bin/hive -f /opt/module/hive/datas/hivef.sql`
- 执行文件中的sql语句并将结果写入文件中
   - `bin/hive -f /opt/module/hive/datas/hivef.sql > /opt/module/datas/hive_result.txt`
<a name="pS31f"></a>
## Hive其它命令操作

- 退出hive窗口
   - `quit;`
   - `exit;`
- 在`hive cli`命令窗口中查看hdfs文件系统
   - `dfs -ls /;`
- 查看hive中输入的所有历史命令
   - 进入到当前用户的根目录 `/root`
   - 查看`.hivehistory`文件
      - `cat .hivehistory`
<a name="kY5OY"></a>
## Hive常见属性配置
<a name="NKhww"></a>
### 修改配置文件位置

- 修改 `/opt/module/hive/conf/hive-log4j2.properties.template`为 `hive-log4j2.properties`
   - `[root@hadoop102 conf]# mv hive-log4j2.properties.template hive-log4j2.properties`
- 在 `hive-log4j2.properties`文件中修改log存放位置
   - `property.hive.log.dir = /opt/module/hive/logs`
<a name="iYjyy"></a>
### 打印当前库和表头

- 在 `hive-site.xml`中加入如下两个配置
```xml
<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
查看当前所有的配置信息
- hive>set;
  参数配置的三种方式
配置文件
- 默认配置文件：hive-default.xml
- 用户自定义配置文件：hive-site.xml
- 注意：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，因为Hive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
- 启动Hive时，可以在命令行添加-hiveconf param=value来设定参数
- 仅对本次hive启动有效
参数声明方式
- 可以在HQL中使用ST关键字设定参数
  - set mapred.reduce.tasks=100;
- 仅对本次hive启动有效

优先级：配置文件<命令行参数<参数声明
Hive数据类型
基本数据类型
| Hive数据类型 | Java数据类型 | 长度 | 例子 | | —- | —- | —- | —- | | TINYINT | byte | 1byte有符号整数 | 20 | | SMALLINT | short | 2byte有符号整数 | 20 | | INT | int | 4byte有符号整数 | 20 | | BIGINT | long | 8byte有符号整数 | 20 | | BOOLEAN | boolean | 布尔类型，true或false | TRUE FALSE | | FLOAT | float | 单精度浮点数 | 3.14159 | | DOUBLE | double | 双精度浮点数 | 3.14159 | | STRING | string | 字符系列（单双引号） | “now is “ ‘now is’ | | TIMESTAMP | | 时间类型 | | | BINARY | | 字节数组 | |

对于Hive的String类型相当于数据库的varchar类型，该类型是一个可变的字符串，不过它不能声明其中最多能存储多少个字符，理论上它可以存储2GB的字符数。
集合数据类型
| 数据类型 | 描述 | 语法示例 | | —- | —- | —- | | STRUCT | 和c语言中的struct类似，都可以通过”点”符号访问元素内容。例如，如果某个列的数据类型是STRUCT{first STRING,last STRING}，那么第一个元素可以通过字段.first来引用 | struct()
例如：
struct | | MAP | MAP是一组键-值对元组集合，使用数组表示法可以访问数据。例如：如果某个列的数据类型是MAP，其中键->值对是’first’->’John’ 和 ‘last’ ->’Doe’，那么可以通过字段名[‘last’]获取最后一个元素 | map()
例如：
map | | ARRAY | 数组是一组具有相同类型和名称的变量的集合。这些变量称为数组的元素，每个数组元素都有一个编号，编号从零开始。i入，数组值为[‘John’,’Doe’]，那么第2个元素可以通过数组名[1]进行引用 | Array()
例如：array |

8、Hive

Hive基本概念

什么是Hive

Hive简介

Hive本质

Hive的优缺点

优点

缺点

Hive的HQL表达能力有限

Hive的效率比较低

Hive架构原理

用户接口：Client

元数据：Meta store

Hadoop

驱动器：Driver

Hive运行机制

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

Hive官网地址

文档查看地址

下载地址

github地址

Hive安装部署

安装Hive

启动并使用Hive

启动Hive

使用Hive

Mysql安装

检查当前系统是否安装过MySQL

将mysql安装包拷贝到 /opt/software目录下

拷贝mysql连接的jar到hive目录下

解压mysql安装包

依次执行下面的安装

删除 /etc/my.cnf文件中的datadir指向的目录下的所有内容

初始化数据库

查看临时生成的root用户密码

启动Mysql服务

登录mysql数据库

修改root密码

修改mysql库下的user表中root用户允许任意ip连接

Hive元数据配置到Mysql

配置Metastore到Mysql

创建 hive-site.xml文件

登录mysql

新建Hive元数据库

初始化Hive元数据库

使用元数据服务的方式访问Hive

使用JDBC方式访问Hive

编写hive服务启动脚本

编写hive脚本

!/bin/bash

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

参数配置方式

参数配置的三种方式

Hive数据类型

基本数据类型

集合数据类型

案例实操

将mysql安装包拷贝到 `/opt/software`目录下

删除 `/etc/my.cnf`文件中的datadir指向的目录下的所有内容

创建 `hive-site.xml`文件