Hive基本概念
Posted
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了Hive基本概念相关的知识，希望对你有一定的参考价值。
参考技术A 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，可以将结构化数据文件映射成为一张表，并提供类SQL查询功能。1Hive处理的数据存储在HDFS
2Hive分析数据底层的实现是MapReduce
3执行程序运行在yarn上
1操作接口采用类SQL语法，提供快速开发的能力
2避免去写MapReduce,减少开发人员的学习成本
3Hive的执行延迟比较高，因此常用于数据分析，对实时性要求不高的场合
4Hive的优势在于处理大数据，对于小数据没有优势，因为Hive的执行延迟比较高
5Hive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迭代算法无法表达
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
1Hive自动生成的MapReduce作业，通常不够智能化
2Hive调优比较困难，粒度较粗
大数据技术之Hive基本概念安装数据类型
文章目录
1 基本概念
1.1 什么是Hive
（1）Hive是由 Facebook 开源用于解决海量结构化日志的数据统计工具；
（2）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；
（3）Hive的本质是将HQL转化成MapReduce程序。
（4）Hive 处理的数据存储在HDFS；
（5）Hive 分析数据底层的实现是MapReduce；
（6）执行程序运行在 Yarn 上。
1.2 Hive 的优缺点
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。
缺点
（1）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。
（2）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。
1.3 Hive 架构原理
（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
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。
1.4 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。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。
（1）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。
（2）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。
（3）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。
（4）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。
2 Hive 安装
2.1 Hive 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
[Tom@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-3.1.2
[Tom@hadoop102 software]$ mv /opt/module/apache-hive-3.1.2-bin/ /opt/module/hive-3.1.2
4. 修改 /etc/profile.d/my_env.sh，添加环境变量
[Tom@hadoop102 software]$ sudo vim etc/profile.d/my_env.sh
5. 添加内容
#HIVE_HOME
export HIVE_HOME=/opt/module/hive-3.1.2
export PATH=$PATH:$HIVE_HOME/bin
6. 解决日志 Jar包冲突
[Tom@hadoop102 software]$ mv $HIVE_HOME/lib/log4j-slf4j-impl-2.10.0.jar $HIVE_HOME/lib/log4j slf4j-impl-2.10.0.bak
7. 初始化元数据库
[Tomu@hadoop102 hive-3.1.2]$ bin/schematool -dbType derby -initSchema
8. 启动并使用Hive
[Tom@hadoop102 hive-3.1.2]$ bin/hive
hive (default)> show databases;
hive (default)> show tables;
hive (default)> create table test(id int);
hive (default)> insert into test values(1);
hive (default)> select * from test;
OK
test.id
1
Time taken: 0.39 seconds, Fetched: 1 row(s)
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
Caused by: ERROR XSDB6:Another instance of Derby may have already booted the database /opt/module/hive/metastore_db.
at org.apache.derby.iapi.error.StandardException.newException(Unknown Source)
at org.apache.derby.iapi.error.StandardException.newException(Unknown
Source)
at org.apache.derby.impl.store.raw.data.BaseDataFileFactory.privGetJBMSLockOnDB(Unknown Source)
at org.apache.derby.impl.store.raw.data.BaseDataFileFactory.run(Unknown Source)
...
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 。
2.2 MySQL 安装
1. 检查当前系统是否安装过 MySQL
[Tom @hadoop102 ~]$ rpm -qa|grep mariadb
mariadb-libs-5.5.56-2.el7.x86_64
## 如果存在通过如下命令卸载
[Tom @hadoop102 ~]$ sudo rpm -e --nodeps mariadb-libs
2. 将 MySQL安装包拷贝到 /opt/software目录下，并解压 MySQL安装包
[Tom @hadoop102 software]# tar -xf mysql-5.7.28-1.el7.x86_64.rpm-bundle.tar
-rw-r--r--. 1 Tom Tom 609556480 6月 30 22:20 mysql-5.7.28-1.el7.x86_64.rpm-bundle.tar
-rw-r--r--. 1 Tom Tom 45109364 9月 30 2019 mysql-community-client-5.7.28-1.el7.x86_64.rpm
-rw-r--r--. 1 Tom Tom 318768 9月 30 2019 mysql-community-common-5.7.28-1.el7.x86_64.rpm
-rw-r--r--. 1 Tom Tom 7037096 9月 30 2019 mysql-community-devel-5.7.28-1.el7.x86_64.rpm
-rw-r--r--. 1 Tom Tom 49329100 9月 30 2019 mysql-community-embedded-5.7.28-1.el7.x86_64.rpm
-rw-r--r--. 1 Tom Tom 23354908 9月 30 2019 mysql-community-embedded-compat-5.7.28-1.el7.x86_64.rpm
-rw-r--r--. 1 Tom Tom 136837816 9月 30 2019 mysql-community-embedded-devel-5.7.28-1.el7.x86_64.rpm
-rw-r--r--. 1 Tom Tom 4374364 9月 30 2019 mysql-community-libs-5.7.28-1.el7.x86_64.rpm
-rw-r--r--. 1 Tom Tom 1353312 9月 30 2019 mysql-community-libs-compat-5.7.28-1.el7.x86_64.rpm
-rw-r--r--. 1 Tom Tom 208694824 9月 30 2019 mysql-community-server-5.7.28-1.el7.x86_64.rpm
-rw-r--r--. 1 Tom Tom 133129992 9月 30 2019 mysql-community-test-5.7.28-1.el7.x86_64.rpm
3. 在安装目录下执行rpm安装
[Tom @hadoop102 software ]$
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
[Tom@hadoop102 software]$ sudo rpm -ivh mysql-community-server-5.7.28-1.el7.x86_64.rpm
警告：mysql-community-server-5.7.28-1.el7.x86_64.rpm: 头V3 DSA/SHA1 Signature, 密钥ID 5072e1f5: NOKEY
错误：依赖检测失败：
libaio.so.1()(64bit) 被mysql-community-server-5.7.28-1.el7.x86_64 需要
libaio.so.1(LIBAIO_0.1)(64bit) 被mysql-community-server-5.7.28-1.el7.x86_64 需要
libaio.so.1(LIBAIO_0.4)(64bit) 被mysql-community-server-5.7.28-1.el7.x86_64 需要
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
[Tom@hadoop102 software] yum install -y libaio
4. 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 :
查看 datadir 的值
[mysqld]
datadir=/var/lib/mysql
删除 /var/lib/mysql目录下的所有内容 :
[Tom @hadoop102 mysql] # cd /var/lib/mysql
[Tom @hadoop102 mysql] # sudo rm -rf ./*
5. 初始化数据库
[Tom@hadoop102 opt]$ sudo mysqld --initialize --user=mysql
6. 查看临时生成的 root用户的密码
[Tom @hadoop102 opt] $ sudo cat /var/log/mysqld.log
7. 启动 MySQL服务
[Tom@hadoop102 opt]$ sudo systemctl start mysqld
8. 登录 MySQL数据库
[Tom@hadoop102 opt]$ mysql -uroot -p
Enter password: 输入临时生成的密码
9. 必须先修改 root用户的密码 ，否则执行其他的操作会报错
mysql> 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
mysql>update mysql.user set host='%' where user='root';
mysql> flush privileges;
2.3 Hive元数据配置到 MySQL
1. 拷贝驱动
将MySQL的 JDBC驱动拷贝到 Hive的 lib目录下
[Tom@hadoop102 software]$ cp /opt/software/mysql-connector-java-5.1.37.jar $HIVE_HOME/lib
2. 配置 Metastore到 MySQL
（1）在 $HIVE_HOME/conf目录下新建 hive-site.xml文件
[Tom@hadoop102 software]$ vim $HIVE_HOME/conf/hive site.xml
添加如下内容
<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<!--jdbc连接的URL-->
<property>
<name>javax.jdo.option.ConnectionURL</name>
<value>jdbc:mysql://hadoop102:3306/metastore?useSSL=false</value>
</property>
<!--jdbc连接的Driver-->
<property>
<name>javax.jdo.option.ConnectionDriverName</name>
<value>com.mysql.jdbc.Driver</value>
</property>
<!--jdbc连接的username-->
<property>
<name>javax.jdo.option.ConnectionUserName</name>
<value>root</value>
</property>
<!--jdbc连接的password-->
<property>
<name>javax.jdo.option.ConnectionPassword</name>
<value>000000</value>
</property>
<!--Hive元数据存储版本的验证-->
<property>
<name>hive.metastore.schema.verification</name>
<value>false</value>
</property>
<!--元数据存储授权-->
<property>
<name>hive.metastore.event.db.notification.api.auth</name>
<value>false</value>
</property>
<!--Hive默认在HDFS的工作目录-->
<property>
<name>hive.metastore.warehouse.dir</name>
<value>/user/hive/warehouse</value>
</property>
（2）登录MySQL
[Tom@hadoop102 software]$ mysql -uroot -p000000
（3）新建 Hive元数据库
mysql> create database metastore;
mysql> quit;
（4）初始化Hive元数据库
[Tom@hadoop102 software]$ schematool -initSchema -dbType mysql -verbose
3. 再次启动Hive
（1）启动Hive
[Tom@hadoop102 hive-3.1.2]$ bin/hive
（2）使用Hive
hive> show databases;
hive> show tables;
hive> create table test (id int);
hive> insert into test values(1);
hive select * from test;
（3）在CRT窗口中开启另一个窗口开启 Hive
hive> show databases;
hive> show tables;
hive select * from aa;
2.4 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
<!--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>
2. 启动 metastore
[Tom@hadoop202 hive-3.1.2]$ hive --service metastore
2020-08-28 16:58:08: Starting Hive Metastore Server
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
[Tom@hadoop103 hive-3.1.2]$ bin/hive
2.5 使用 JDBC方式访问 Hive
（1）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>
（2）启动hiveserver2
[Tom@hadoop102 hive-3.1.2]$ bin/hive--service hiveserver2
（3）启动 beeline客户端（需要多等待一会）
[Tom@hadoop102 hive-3.1.2]$ bin/ beeline u jdbc:hive2://hadoop102:10000 -n Tom
（4）看到如下界面
Connecting to jdbc:hive2://hadoop102:10000
Connected to: Apache Hive (version 3.1.2)
Driver: Hive JDBC (version 3.1.2)
Transaction isolation: TRANSACTION_REPEATABLE_READ
Beeline version 3.1.2 by Apache Hive
0: jdbc:hive2://hadoop102:10000>
（5）编写 hive服务启动脚本
[Tom@hadoop102 hive-3.1.2]$ vim $HIVE_HOME/bin/hiveservices.sh
#!/bin/bash
HIVE_LOG_DIR=$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 $0)' start|stop|restart|status'
;;
esac
添加执行权限
[Tom@hadoop102 hive-3.1.2]$ chmod +x $HIVE_HOME/bin/hiveservices.sh
启动 Hive后台服务
[Tom@hadoop102 hive-3.1.2]$ hiveservices.sh start
2.6 Hive 常用交互命令
[Tom@hadoop102 hive-3.1.2]$ bin/hive -help
usage: hive
-d,--define <key=value> Variable substitution to apply to Hive
commands. e.g. -d A=B or --define A=B
--database <databasename> Specify the database to use
-e <quoted-query-string> SQL from command line
-f <filename> SQL from files
-H,--help Print help information
--hiveconf <property=value> Use value for given property
--hivevar <key=value> Variable substitution to apply to Hive
commands. e.g. --hivevar A=B
-i <filename> Initialization SQL file
-S,--silent Silent mode in interactive shell
-v,--verbose Verbose mode (echo executed SQL to the
console)
1. “-e”不进入 hive的交互窗口执行 sql语句
[Tom@hadoop102 hive-3.1.2]$ bin/hive -e "select id from student;"
2. “-f”执行脚本中的sql语句
（1）在 /opt/module/hive/下创建 datas目录，并在 datas目录下创建 hivef.sql文件
[Tom@hadoop102 datas]$ touch hivef.sql
（2） 以上是关于Hive基本概念的主要内容，如果未能解决你的问题，请参考以下文章