Hive基本原理及环境搭建

Posted 2020-07-13 朱培

      今天我主要是在折腾这个Hive，早上看了一下书，最开始有点凌乱，后面慢慢地发现，hive其实挺简单的，以我的理解就是和数据库有关的东西，那这样的话对我来说就容易多啦，因为我对sql语法应该是比较熟悉了，而这个是HQL的，其实很多都差不多。先来看一下Hive的基本介绍：

一、Hive基本原理

       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数据库表，并提供简单的sql查询功能，可以将sql语句转换为MapReduce任务进行运行。 其优点是学习成本低，可以通过类SQL语句快速实现简单的MapReduce统计，不必开发专门的MapReduce应用，十分适合数据仓库的统计分析。

       Hive将元数据存储在数据库（RDBMS）中，比如mysql、Derby中。Hive有三种模式连接到数据，其方式是：单用户模式，多用户模式和远程服务模式。（也就是内嵌模式
、本地模式、远程模式）。

1.1 Hive体系结构：

Hive体系结构图：主要分为：用户接口、Thrift服务器、元数据存储、解析器、Hadoop

1.2 Hive数据类型

Hive的存储是建立在Hadoop文件系统之上的，它本身没有专门的数据存储格式，其主要包括四类数据模型：
表（Table）
分区（Partition）
桶（Bucket）
外部表（External Table）

Hive的内置数据类型可以分为两大类：(1)、基础数据类型；(2)、复杂数据类型。其中，基础数据类型包括：TINYINT,SMALLINT,INT,BIGINT,BOOLEAN,FLOAT,DOUBLE,STRING,BINARY,TIMESTAMP,DECIMAL,CHAR,VARCHAR,DATE。

1.3Hive的执行流程要点
操作符（Operator）是Hive的最小处理单位；
每个操作符处理代表HDFS操作或MR作业；
编译器把Hive SQL转换成一组操作符；
Hive通过ExecMapper和ExecReducer来执行MapReduce任务；
执行MapReduce时有两种模式：本地模式和分布式模式；

常见的Hive操作符（部分）如下：

1.4 Hive的HQL操作

hive基本的运行操作其实和sql差不多，例如：

select u.name, o.orderid from order o join user u on o.uid = u.uid;

select dealid, count(distinct uid), count(distinct date) from order group by dealid;

简单Hive表语句：
create table student
(
    name string,
    sex string,
    age int
);

二、Hive基本配置

    1、从apache官网的hadoop找到hive，目前最新版本是2.0.1，我下的就是这个，http://hive.apache.org/downloads.html，

   2、下载mysql驱动，目前是5.1.38的 ，我已经把这需要的两个整理好一个压缩包了，可以通过以下链接下载：（我后续贴出）

   3、分别解压到你需要的目录中，我是放置在/home/admin1/下载/hive-2.0.1中的，把mysql驱动也放到hive的这个lib包中，然后在hive-2.0.1/conf中对以下文件进行配置：

新建一个文件hive-env.sh

把里面的目录改成你的hadoop放置的目录就可以了。

export HIVE_HOME=/home/admin1/下载/hive-2.0.1
export PATH=$PATH:$HIVE_HOME/bin
HADOOP_HOME=/home/admin1/下载/hadoop-2.5.2
export HIVE_CONF_DIR=/home/admin1/下载/hive-2.0.1/conf
export HIVE_AUX_JARS_PATH=/home/admin1/下载/hive-2.0.1/lib

还需要新建一个hive-site.xml：

这里我用的是mysql的账号和密码来配置的，其他的你也可以参照配置。

<?xml version="1.0" encoding="UTF-8" standalone="no"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<configuration>
<property>

<name>javax.jdo.option.ConnectionURL</name>

<!--<value>jdbc:derby:;databaseName=metastore_db;create=true</value>-->

<value>jdbc:mysql://localhost:3306/hive?=createDatabaseIfNotExist=true</value>

<description>JDBC connect string for a JDBCmetastore</description>

</property> 

<property>

<name>javax.jdo.option.ConnectionDriverName</name>

<!--<value>org.apache.derby.jdbc.EmbeddedDriver</value>-->

<value>com.mysql.jdbc.Driver</value>

<description>Driver class name for a JDBCmetastore</description>

</property> 

<property>

<name>javax.jdo.option.ConnectionUserName</name>

<value>hive</value>

<description>username to use against metastoredatabase</description>

</property>

<property>

<name>javax.jdo.option.ConnectionPassword</name>

<value>a</value>

<description>password to use against metastoredatabase</description>

</property>
</configuration>

启动：在/home/admin1/下载/hive-2.0.1中执行：
bin/hive
 若无法初始化，则：
bin/schematool -dbType mysql  -initSchema

在hive2.0以上版本都需要initSchema一下，否则会报错，我也是因为这个问题折腾了好几个小时，最后发现很简单就解决了。

最后说一下的就是在安装mysql的时候，你可以直接用ubuntu里面的uk软件下载就可以了，在里面搜索mysql，然后下载mysql的服务器，客户端和工作平台就可以了，这里不再重复啰嗦了，就是需要在控制台创建一下新用户：

mysql -uroot

create user 'hive' identified by 'a';

create database hive;

grant all privileges on *.* to   'hive'@'%'   identified by 'a';

flush privileges

然后可以通过hive账号进行登陆就可以了，

mysql  -u hive -p 

然后输入密码hive就成功登陆，把这个登陆信息配置到hive-site.xml中就可以了。

接下来就可以愉快的进行hive的使用了，创建表等。记得要把hadoop的服务打开哦  ,    sbin/start-all.sh

总结：今天遇到的两个主要问题就是，1：bin/hive后一直报错，最后初始化之后就可以了。2、在linux中的sublim-text无法输入中文，且无法下载gpk解决，无法编译sublime_imfix.c，后来通过在github上面发现已经编译好的库，然后导入，经过一系列复杂的操作最后成功解决了这个问题。找对方法，找对工具。