第 1 章 Hive 基本概念

1） 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。
2） Hive 本质：将 HQL 转化成 MapReduce 程序
image.png
（1）Hive 处理的数据存储在 HDFS
（2）Hive 分析数据底层的实现是 MapReduce
（3）执行程序运行在 Yarn 上

1.2Hive 的优缺点

1.2.1 优点
（1）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）。
（2）避免了去写 MapReduce，减少开发人员的学习成本。
（3）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。
（4）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。
（5）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。
1.2.2 缺点
1）Hive 的 HQL 表达能力有限
（1）迭代式算法无法表达
（2）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。
2）Hive 的效率比较低
（1）Hive 自动生成的 MapReduce 作业，通常情况下不够智能化
（2）Hive 调优比较困难，粒度较粗

1.3 Hive 架构原理

image.png
1）用户接口：Client
CLI（command-line interface）、JDBC/ODBC(jdbc 访问 hive)、WEBUI（浏览器访问 hive）
2）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
3）Hadoop
使用 HDFS 进行存储，使用 MapReduce 进行计算。
4）驱动器：Driver
（1）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 进行语法析，比如表是否存在、字段是否存在、SQL 语义是否有误。
（2）编译器（Physical Plan）：将 AST 编译生成逻辑执行计划。
（3）优化器（Query Optimizer）：对逻辑执行计划进行优化。
（4）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。
image.png
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。

第 2 章 Hive 安装

官网 文档查看地址 下载地址 github地址

2.2Hive 安装部署

1）把 apache-hive-3.1.2-bin.tar.gz 上传到 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

  1. [atguigu@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

  1. [atguigu@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

  1. [atguigu@hadoop102 software]$ sudo vim /etc/profile.d/my_env.sh

5）添加内容

  1. #HIVE_HOME
  2. export HIVE_HOME=/opt/module/hive
  3. export PATH=$PATH:$HIVE_HOME/bin

6）解决日志 Jar 包冲突

  1. [atguigu@hadoop102 software]$ mv $HIVE_HOME/lib/log4j-slf4j-impl-2.10.0.jar     $HIVE_HOME/lib/log4j-slf4j-impl-2.10.0.bak

7）初始化元数据库

  1. [atguigu@hadoop102 hive]$ bin/schematool -dbType derby -initSchema

2.2.2 启动并使用 Hive

1）启动 Hive

  1. [atguigu@hadoop102 hive]$ bin/hive

2）使用 Hive

  1. hive> show databases;
  2. hive> show tables;
  3. hive> create table test(id int);
  4. hive> insert into test values(1);
  5. hive> select * from test;

3）在 CRT 窗口中开启另一个窗口开启 Hive，在/tmp/atguigu 目录下监控 hive.log 文件

  1. Caused by: ERROR XSDB6: Another instance of Derby may have already booted 
  2. the database /opt/module/hive/metastore_db.
  3.  at 
  4. org.apache.derby.iapi.error.StandardException.newException(Unknown 
  5. Source)
  6.  at 
  7. org.apache.derby.iapi.error.StandardException.newException(Unknown Source)
  8.  at 
  9. org.apache.derby.impl.store.raw.data.BaseDataFileFactory.privGetJBMSLockO
  10. nDB(Unknown Source)
  11.  at 
  12. org.apache.derby.impl.store.raw.data.BaseDataFileFactory.run(Unknown 
  13. Source)
  14. ...

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，所以我们需要将 Hive 的元数据地址改为 MySQL。

2.3MySQL 安装

参考地址

2.4 Hive 元数据配置到 MySQL

2.4.1 拷贝驱动

将 MySQL 的 JDBC 驱动拷贝到 Hive 的 lib 目录下

  1. [atguigu@hadoop102 software]$ cp /opt/software/mysql-connector-java-5.1.37.jar $HIVE_HOME/lib

2.4.2 配置 Metastore 到 MySQL

1）在$HIVE_HOME/conf 目录下新建 hive-site.xml 文件

  1. [atguigu@hadoop102 software]$ vim $HIVE_HOME/conf/hive-site.xml

添加如下内容

  1. <?xml version="1.0"?>
  2. <?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
  3. <configuration>
  4.  <!-- jdbc 连接的 URL -->
  5.  <property>
  6.  <name>javax.jdo.option.ConnectionURL</name>
  7.  <value>jdbc:mysql://hadoop102:3306/metastore?useSSL=false</value>
  8. </property>
  9.  <!-- jdbc 连接的 Driver-->
  10.  <property>
  11.  <name>javax.jdo.option.ConnectionDriverName</name>
  12.  <value>com.mysql.jdbc.Driver</value>
  13. </property>
  14. <!-- jdbc 连接的 username-->
  15.  <property>
  16.  <name>javax.jdo.option.ConnectionUserName</name>
  17.  <value>root</value>
  18.  </property>
  19.  <!-- jdbc 连接的 password -->
  20.  <property>
  21.  <name>javax.jdo.option.ConnectionPassword</name>
  22.  <value>000000</value>
  23. </property>
  24.  <!-- Hive 元数据存储版本的验证 -->
  25.  <property>
  26.  <name>hive.metastore.schema.verification</name>
  27.  <value>false</value>
  28. </property>
  29.  <!--元数据存储授权-->
  30.  <property>
  31.  <name>hive.metastore.event.db.notification.api.auth</name>
  32.  <value>false</value>
  33.  </property>
  34.  <!-- Hive 默认在 HDFS 的工作目录 -->
  35.  <property>
  36.    <name>hive.metastore.warehouse.dir</name>
  37.  <value>/user/hive/warehouse</value>
  38.  </property>
  39. </configuration>

2）登陆 MySQL 

  1. [atguigu@hadoop102 software]$ mysql -uroot -p000000

3）新建 Hive 元数据库 

  1. mysql> create database metastore; 
  2. mysql> quit;

4） 初始化 Hive 元数据库 

  1. [atguigu@hadoop102 software]$ schematool -initSchema -dbType mysql - verbose

2.4.3 再次启动 Hive

1）启动 Hive 

  1. [atguigu@hadoop102 hive]$ bin/hive

2）使用 Hive 

  1. hive> show databases; 
  2. hive> show tables; 
  3. hive> create table test (id int); 
  4. hive> insert into test values(1); 
  5. hive> select * from test;

3）在 CRT 窗口中开启另一个窗口开启 Hive 

  1. hive> show databases; 
  2. hive> show tables; 
  3. hive> select * from aa;

2.5 使用元数据服务的方式访问 Hive

1）在 hive-site.xml 文件中添加如下配置信息 

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

2）启动 metastore 

  1. [atguigu@hadoop202 hive]$ hive --service metastore 
  2. 2020-04-24 16:58:08: Starting Hive Metastore Server 
  3. 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

3）启动 hive 

  1. [atguigu@hadoop202 hive]$ bin/hive

2.6 使用 JDBC 方式访问 Hive

1）在 hive-site.xml 文件中添加如下配置信息

  1. <!-- 指定 hiveserver2 连接的 host -->
  2.  <property>
  3.  <name>hive.server2.thrift.bind.host</name>
  4.    <value>hadoop102</value>
  5.  </property>
  6.  <!-- 指定 hiveserver2 连接的端口号 -->
  7.  <property>
  8.  <name>hive.server2.thrift.port</name>
  9.  <value>10000</value>
  10.  </property>

2）启动 hiveserver2 

  1. [atguigu@hadoop102 hive]$ bin/hive --service hiveserver2

3）启动 beeline 客户端（需要多等待一会） 

  1. [atguigu@hadoop102 hive]$ bin/beeline -u jdbc:hive2://hadoop102:10000 -n why

java.sql.SQLException: Could not open client transport with JDBC Uri: jdbc:hive2://localhost:10000/default: java.net.ConnectException: 拒绝连接
通过sudo netstat -anp|grep 10000 查看谁占用了10000端口，也就是hiveserver2有没有启动。
hiveserver2 会显示七八个Hive Session ID之后，才会真正启动，这要等个几分钟呢。在sudo netstat -anp|grep 10000能查到端口前，都证明hiveserver2没有启动
image.png
解决方案：
在hadoop的配置文件core-site.xml增加如下配置，重启hdfs，其中“xxx”是连接beeline的用户，将“xxx”替换成自己的用户名即可。最关键的是一定要重启hadoop，先stop-all.sh，再start-all.sh，否则不会生效的！！那样就还是报错！

  1.  <property>
  2.         <name>hadoop.proxyuser.xxx.hosts</name>
  3.         <value>*</value>
  4.     </property>
  5.     <property>
  6.         <name>hadoop.proxyuser.xxx.groups</name>
  7.         <value>*</value>
  8.     </property>

bug解决参考地址
4）看到如下界面 

  1. Connecting to jdbc:hive2://hadoop102:10000 
  2. Connected to: Apache Hive (version 3.1.2) 
  3. Driver: Hive JDBC (version 3.1.2) 
  4. Transaction isolation: TRANSACTION_REPEATABLE_READ 
  5. Beeline version 3.1.2 by Apache Hive 
  6. 0: jdbc:hive2://hadoop102:10000>

5）编写 hive 服务启动脚本（了解）
（1） 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方式启动
nohup: 放在命令开头，表示不挂起,也就是关闭终端进程也继续保持运行状态
/dev/null：是 Linux 文件系统中的一个文件，被称为黑洞，所有写入改文件的内容 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
一般会组合使用: nohup [xxx 命令操作]> file 2>&1 &，表示将 xxx 命令运行的结 果输出到 file 中，并保持命令启动的进程在后台运行。
如上命令不要求掌握。 

  1. [atguigu@hadoop202 hive]$ nohup hive --service metastore 2>&1 & 
  2. [atguigu@hadoop202 hive]$ nohup hive --service hiveserver2 2>&1 &

（2） 为了方便使用，可以直接编写脚本来管理服务的启动和关闭

  1. [atguigu@hadoop102 hive]$ vim $HIVE_HOME/bin/hiveservices.sh

内容如下：此脚本的编写不要求掌握。直接拿来使用即可。

  1. #!/bin/bash
  2. HIVE_LOG_DIR=$HIVE_HOME/logs
  3. if [ ! -d $HIVE_LOG_DIR ]
  4. then
  5. mkdir -p $HIVE_LOG_DIR
  6. fi#检查进程是否运行正常，参数 1 为进程名，参数 2 为进程端口
  7. function check_process()
  8. {
  9.  pid=$(ps -ef 2>/dev/null | grep -v grep | grep -i $1 | awk '{print 
  10. $2}')
  11.  ppid=$(netstat -nltp 2>/dev/null | grep $2 | awk '{print $7}' | cut -
  12. d '/' -f 1)
  13.  echo $pid
  14.  [[ "$pid" =~ "$ppid" ]] && [ "$ppid" ] && return 0 || return 1
  15. }
  16. function hive_start()
  17. {
  18.  metapid=$(check_process HiveMetastore 9083)
  19.  cmd="nohup hive --service metastore >$HIVE_LOG_DIR/metastore.log 2>&1 
  20. &"
  21.  [ -z "$metapid" ] && eval $cmd || echo "Metastroe 服务已启动"
  22.  server2pid=$(check_process HiveServer2 10000)
  23.  cmd="nohup hiveserver2 >$HIVE_LOG_DIR/hiveServer2.log 2>&1 &"
  24.  [ -z "$server2pid" ] && eval $cmd || echo "HiveServer2 服务已启动" }
  25. function hive_stop()
  26. {
  27. metapid=$(check_process HiveMetastore 9083)
  28.  [ "$metapid" ] && kill $metapid || echo "Metastore 服务未启动"
  29.  server2pid=$(check_process HiveServer2 10000)
  30.  [ "$server2pid" ] && kill $server2pid || echo "HiveServer2 服务未启动" }
  31. case $1 in
  32. "start")
  33.  hive_start
  34.  ;;
  35. "stop")
  36.  hive_stop
  37.  ;;
  38. "restart")
  39.  hive_stop
  40.  sleep 2
  41.  hive_start
  42.  ;;
  43. "status")
  44.  check_process HiveMetastore 9083 >/dev/null && echo "Metastore 服务运行
  45. 正常" || echo "Metastore 服务运行异常"
  46.  check_process HiveServer2 10000 >/dev/null && echo "HiveServer2 服务运
  47. 行正常" || echo "HiveServer2 服务运行异常"
  48.  ;;
  49. *)
  50.  echo Invalid Args!
  51.  echo 'Usage: '$(basename $0)' start|stop|restart|status'
  52.  ;;
  53. esac

3）添加执行权限 

  1. [atguigu@hadoop102 hive]$ chmod +x $HIVE_HOME/bin/hiveservices.sh

4）启动 Hive 后台服务 

  1. [atguigu@hadoop102 hive]$ hiveservices.sh start

2.7 Hive 常用交互命令

  1. [atguigu@hadoop102 hive]$ bin/hive -help 
  2. usage: hive 
  3. -d,--define <key=value> Variable subsitution to apply to hive 
  4.  commands. e.g. -d A=B or --define A=B 
  5.  --database <databasename> Specify the database to use 
  6. -e <quoted-query-string> SQL from command line 
  7. -f <filename> SQL from files 
  8. -H,--help Print help information 
  9.  --hiveconf <property=value> Use value for given property 
  10.  --hivevar <key=value> Variable subsitution to apply to hive 
  11.  commands. e.g. --hivevar A=B 
  12. -i <filename> Initialization SQL file 
  13. -S,--silent Silent mode in interactive shell 
  14. -v,--verbose Verbose mode (echo executed SQL to the 
  15. console)

1）“-e”不进入 hive 的交互窗口执行 sql 语句 

  1. [atguigu@hadoop102 hive]$ bin/hive -e "select id from student;"

2）“-f”执行脚本中 sql 语句 

  1. （1）在/opt/module/hive/下创建 datas 目录并在 datas 目录下创建 hivef.sql 文件 
  2.                 [atguigu@hadoop102 datas]$ touch hivef.sql 
  3. （2）文件中写入正确的 sql 语句 
  4.                 select *from student; 
  5. （3）执行文件中的 sql 语句 
  6.                 [atguigu@hadoop102 hive]$ bin/hive -f /opt/module/hive/datas/hivef.sql 
  7. （4）执行文件中的 sql 语句并将结果写入文件中 
  8.             [atguigu@hadoop102 hive]$ bin/hive -f /opt/module/hive/datas/hivef.sql > 
  9.                 /opt/module/datas/hive_result.txt

2.8 Hive 其他命令操作
1）退出 hive 窗口：
hive(default)>exit;
hive(default)>quit;
2）在 hive cli 命令窗口中如何查看 hdfs 文件系统
hive(default)>dfs -ls /;
3）查看在 hive 中输入的所有历史命令
（1）进入到当前用户的根目录 /root 或/home/atguigu
（2）查看. hivehistory 文件
[atguig2u@hadoop102 ~]$ cat .hivehistory