hive架构详解

简介

hive是facebook开源，并捐献给了apache组织，作为apache组织的顶级项目(hive.apache.org)。 hive是一个基于大数据技术的数据仓库(DataWareHouse)技术，主要是通过将用户书写的SQL语句翻译成MapReduce代码，然后发布任务给MR框架执行，完成SQL 到 MapReduce的转换。可以将结构化的数据文件映射为一张数据库表，并提供类SQL查询功能。

总结

• Hive是一个数据仓库(数据库)

• Hive构建在HDFS上，可以存储海量数据。

• Hive允许程序员使用SQL命令来完成数据的分布式计算，计算构建在yarn之上。(Hive会将SQL转化为MR操作)

优点：

简化程序员的开发难度，写SQL即可，避免了去写mapreduce,减少开发人员的学习成本

缺点：

延迟较高(MapReduce本身延迟，Hive SQL向MapReduce转化优化提交)，适合做大数据的离线处理(TB PB级别的数据，统计结果延迟1天产出)

Hive不适合场景：

1：小数据量, MySQL。

2：实时计算：Spark HBase

• 数据库 DataBase

  • 数据量级小，数据价值高

• 数据仓库 DataWareHouse

  • 数据体量大，数据价值低

• 

      

  Hive 的架构

  1. 简介

  HDFS：用来存储hive仓库的数据文件
  yarn：用来完成hive的HQL转化的MR程序的执行
  MetaStore：保存管理hive维护的元数据
  Hive：用来通过HQL的执行，转化为MapReduce程序的执行，从而对HDFS集群中的数据文件进行统计。
  

  2. 图

  

   

  Hive的安装

  # 步骤
  1. HDFS(Hadoop2.9.2)
  2. Yarn(Hadoop2.9.2)
  3. MySQL(5.6)
  4. Hive(1.2.1)
  

  虚拟机内存设置为1G

  1. 安装mysql数据库

  参考MySQL安装文档

  2. 安装Hadoop

  # 配置hdfs和yarn的配置信息
  [root@hive40 ~]# jps
  1651 NameNode
  2356 NodeManager
  2533 Jps
  1815 DataNode
  2027 SecondaryNameNode
  2237 ResourceManager
  

  3. 安装hive

  1 上传hive安装包到linux中

  2 解压缩hive

  [root@hadoop ~]# tar -zxvf apache-hive-1.2.1-bin.tar.gz -C /opt/installs
  [root@hadoop ~]# mv apache-hive-1.2.1-bin hive1.2.1
  

  3 配置环境变量

  export HIVE_HOME=/opt/installs/hive1.2.1
  export PATH=$PATH:$HIVE_HOME/bin
  

  4 加载系统配置生效

  [root@hadoop ~]# source /etc/profile
  

  5 配置hive

  hive-env.sh

  拷贝一个hive-env.sh:[root@hadoop10 conf]# cp hive-env.sh.template hive-env.sh

  # 配置hadoop目录
  HADOOP_HOME=/opt/installs/hadoop2.9.2/
  # 指定hive的配置文件目录
  export HIVE_CONF_DIR=/opt/installs/hive1.2.1/conf/
  

  hive-site.xml

  拷贝得到hive-site.xml：[root@hadoop10 conf]# cp hive-default.xml.template hive-site.xml

  <?xml version="1.0" encoding="UTF-8" standalone="no"?>
  <?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
  <configuration>
      <!--hive的元数据保存在mysql中，需要连接mysql，这里配置访问mysql的信息-->
      <!--url：这里必须用ip-->
      <property>
          <name>javax.jdo.option.ConnectionURL</name>
          <value>jdbc:mysql://192.168.199.40:3306/hive</value>
      </property>
      <!--drivername-->
      <property>
          <name>javax.jdo.option.ConnectionDriverName</name>
          <value>com.mysql.jdbc.Driver</value>
      </property>
      <!--username-->
      <property>
          <name>javax.jdo.option.ConnectionUserName</name>
          <value>root</value>
      </property>
      <!--password-->
      <property>
          <name>javax.jdo.option.ConnectionPassword</name>
          <value>admins</value>
      </property>
  </configuration>
  

  登录mysql创建hive数据库(使用命令行创建)

  create database hive

  复制mysql驱动jar到hive的lib目录中

  4 启动

  1. 启动 hadoop

  启动hadoop

  # 启动HDFS
  start-dfs.sh
  # 启动yarn
  start-yarn.sh
  

   

  

   

• 2. 本地启动hive

  • 初始化元数据：schematool -dbType mysql -initSchema

    初始化mysql的hivedatabase中的信息。

    3. 启动Hive的两种方式

    # 本地模式启动
        # 启动hive服务器，同时进入hive的客户端。只能通过本地方式访问。
    [root@hadoop10 ~]# hive
    

    # 服务器模式启动
        # 之启动hive的服务器，可以允许远程连接方式访问。
    # 前台启动
    hiveserver2
    # 后台启动
    hiveserver2 &
    

    启动本地hive并进入客户端模式(管理员模式)

    [root@hadoop40 installs]# hive
    Logging initialized using configuration in jar:file:/opt/installs/hive1.2.1/lib/hive-common-1.2.1.jar!/hive-log4j.properties
    hive>
    

    # 1. 客户端操作之dfs命令

    1. 查看dfs中的文件。
        dfs -ls /;
    2. 查看dfs中 /user 下的文件
        dfs -ls /user;
    3. 以递归的方式，查看/user下的所有文件
        dfs -lsr /user;
    

    # 2.客户端操作之HQL(Hive Query language)

    # 1.查看数据库
        hive> show databases;
    # 2. 创建一个数据库
        hive> create database baizhi;
    # 3. 查看database 
        hive> show databases;
    # 4. 切换进入数据库
        hive> use baizhi;
    # 5.查看所有表
        hive> show tables;
    # 6.创建一个表
        hive> create table t_user(id string,name string,age int);
    # 7. 添加一条数据(转化为MR执行--不让用，仅供测试)
        hive> insert into t_user values('1001','yangdd');
    # 8.查看表结构
        hive> desc t_user;
    # 9.查看表的schema描述信息。(表元数据，描述信息)
        hive> show create table t_user;
        # 明确看到，该表的数据存放在hdfs中。
    # 10 .查看数据库结构
        hive> desc database baizhi;
    # 11.查看当前库`
        hive> select current_database();
    # 12 其他sql
    select * from t_user;
    select count(*) from t_user; (Hive会启动MapReduce)
    select * from t_user order by id;
    

    ---

    3.hive的客户端和服务端

    # 启动hive服务端
    // 前台启动
    [root@hadoop40 ~]# hiveserver2 
    // 后台启动
    [root@hadoop40 ~]# hiveserver2 &
    

    beeline客户端

    # 启动客户端
    [root@hadoop40 ~]# beeline
    beeline> !connect jdbc:hive2://hadoop40:10000
    回车输入mysql用户名
    回车输入mysql密码
    

    JDBC

    # 导入依赖
    

    <dependency>
        <groupId>org.apache.hive</groupId>
        <artifactId>hive-jdbc</artifactId>
        <version>1.2.1</version>
    </dependency>
    <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-common</artifactId>
        <version>2.9.2</version>
    </dependency>
    

    # JDBC操作Hive
    

    public static void main(String[] args) throws Exception {
        BasicConfigurator.configure();//开启日志
        //加载hive驱动
        Class.forName("org.apache.hive.jdbc.HiveDriver");
        //连接hive数据库
        Connection conn = DriverManager.getConnection("jdbc:hive2://192.168.199.40:10000/baizhi","root","admins");
        String sql = "select * from t_user1";
        PreparedStatement pstm = conn.prepareStatement(sql);
        ResultSet rs = pstm.executeQuery();
        while(rs.next()){
            String id = rs.getString("id");
            String name = rs.getString("name");
            int age = rs.getInt("age");
            System.out.println(id+":"+name+":"+age);
        }
        rs.close();
        pstm.close();
        conn.close();
    }
    

    4. 数据类型

    数据类型（primitive，array，map，struct )

• primitive(原始类型)：

  hive数据类型	字节	备注
  TINYINT	1	java-byte 整型
  SMALLINT	2	java-short 整型
  INT	4	java-int 整型
  BIGINT	8	java-long 整型
  BOOLEAN		布尔
  FLOAT	4	浮点型
  DOUBLE	8	浮点型
  STRING		字符串 无限制
  VARCHAR		字符串 varchar(20) 最长20
  CHAR		字符串 char(20) 定长20
  BINARY		二进制类型
  TIMESTAMP		时间戳类型
  DATE		日期类型

• array（数组类型）：

  # 建表
  create table t_tab(
      score array<float>，
      字段名 array<泛型>
  );
  

• map（key-value类型）：MAP <primitive_type, data_type>

  # 建表
  create table t_tab(
      score map<string,float>
  );
  

• struct（结构体类型）：STRUCT <col_name:data_type, ...>

  # 建表
  create table t_tab(
      info struct<name:string,age:int,sex:char(1)>，
      列名 struct<属性名:类型,属性名:类型>
  );，
  

• 根据以上类型构建一个表结构

  create table t_person(
   id int ,
   name string,
   salary double,
   birthDay date,
   sex char(1),
   hobbies array<string>,
   cards map<string,string>,
   addr struct<zipCode:string,city:string>
  );
  

  注意 hive在建表时没有约束条件

  # 1.查看上述表结构
  

  desc t_person;
  

  # 2.查看表结构的详细信息
  

  show create table t_person;
  

  # 3.查看表结构的更加详细信息
  

  desc formatted t_perso