大数据Hive（介绍+安装+使用）_hive数据库

Hive概述

        对数据进行统计分析，SOL是目前最为方便的编程工具，但是MapReduce支持程序开发 (Java、Python等)但不支持SQL开发。

        Hive是一款分布式SQL计算的工具，其主要功能是将SQL语句翻译成MapReduce程序运行。

为什么使用Hive

        使用HadoopMapReduce直接处理数据所面临的问题。

        人员学习成本太高需要掌握java、Python等编程语言，MapReduce实现复杂查询逻辑开发难度太大。

使用Hive处理数据的好处

        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)

        底层执行MapReduce，可以完成分布式海量数据的SQL处理 。

Hive的组件

        架构图如下

• 元数据存储

        通常是存储在关系数据库如 mysql/derby中。Hive 中的元数据包括表的名字，表的列和分区及其属性，表的属性(是否为外部表等)，表的数据所在目录等。- Hive提供了Metastore 服务进程提供元数据管理功能 

• Driver驱动程序

        包括语法解析器、计划编译器、优化器、执行器，负责完成 HQL 查询语句从词法分析、语法分析、编译、优化以及查询计划的生成。生成的查询计划存储在 HDFS 中，并在随后有执行引擎调用执行。

•  用户接口

        包括CLI、JDBC/0DBC、WebGUl其中，CL(command line interface)为shell命令行; Hive中的Thrift服务器允许外部客户端通过网络与Hive进行交互，类似于IDBC或ODBC协议。WebGUI是通过浏览器访问Hive。

MySQL安装

        因为hive的运行需要有一个数据库进行元数据存储，所以需要先安装数据库。 

       下载地址，下载.tar的，解压就可以用了。

   

mysql安装 

a、上传mysql安装包
b、解压mysql安装包
[root@hadoop1 ~]# tar -zxvf /soft/mysql-5.7.36-linux-glibc2.12-x86_64.tar.gz -C /usr/local/
[root@hadoop1 ~]# cd /usr/local
# 重命名为mysql
[root@hadoop1 local]# mv mysql-5.7.36-linux-glibc2.12-x86_64 mysql
c、配置mysql的环境变量
[root@hadoop1 ~]# vi /etc/profile
# mysql的环境变量
export MYSQL_HOME=/usr/local/mysql
export PATH=$MYSQL_HOME/bin:$PATH
d、生效mysql的环境变量
[root@hadoop1 ~]# source /etc/profile
e、测试(报错将在下一个环节处理)
[root@hadoop1 ~]# mysql
ERROR 2002 (HY000): Can't connect to local MySQL server through socket '/tmp/mysql.sock' (2)

创建 mysql 属组、用户、安装目录 

# 创建新数组 mysql
[root@hadoop1 ~]# groupadd mysql
# 创建用户 mysql ,指定属组为 mysql，禁止其登录
[root@hadoop1 ~]# useradd -r -g mysql mysql -s /sbin/nologin

 配置mysql

# 创建数据存储目录
[root@hadoop1 ~]# mkdir /usr/local/mysql/data/
# 创建数据日志目录
[root@hadoop1 ~]# mkdir /usr/local/mysql/log/
# 创建临时文件目录
[root@hadoop1 ~]# mkdir /usr/local/mysql/tmp/
# 创建运行文件目录
[root@hadoop1 ~]# mkdir /usr/local/mysql/run/
# 创建启动错误日志
[root@hadoop1 ~]# touch /usr/local/mysql/log/mysqld_safe_error.log
# 创建默认的错误日志目的地
[root@hadoop1 ~]# touch /usr/local/mysql/log/alert.log
# 创建慢查询日志文件
[root@hadoop1 ~]# touch /usr/local/mysql/log/slow.log
# 创建通用查询日志文件的
[root@hadoop1 ~]# touch /usr/local/mysql/log/general.log

 编辑my.cnf配置文件，将以下内容写入配置文件 /etc/my.cnf

# mysqld_safe脚本启动时读取的配置
[mysqld_safe]
# 存放 MySQL 后台程序 pid 的文件位置
pid-file=/usr/local/mysql/run/mysqld.pid
# 启动错误日志
log-error=/usr/local/mysql/log/mysqld_safe_error.log
 
# 本地 mysql 客户端程序的配置块
[mysql]
# 本地 mysql 客户端连接的端口
port=3306
# 本地 mysql 客户端命令行提示信息
prompt=\\u@\\d \\r:\\m:\\s>
# 本地 mysql 客户端字符集
default-character-set=utf8mb4
# 开启命令补全
no-auto-rehash
 
# 所有mysql客户端程序读取的配置块
[client]
# 连接端口
port=3306
# mysql的主机和客户机在同一host上的时候，使用unix domain socket做为通讯协议的载体文件
socket=/usr/local/mysql/run/mysql.sock
 
# mysql服务端程序mysqld、mysqld_safe和mysqld_multi的配置文件
[mysqld]
# 进程崩溃时生成core file dump文件，便于程序调试和问题排查
core-file
# 该参数指定了安装 MySQL 的安装路径（mysql安装目录），填写全路径可以解决相对路径所造成的问题。
basedir=/usr/local/mysql
# 该参数指定MySQL的数据文件的存放目录，数据库文件即我们常说的 MySQL data 文件。
datadir=/usr/local/mysql/data
# 临时目录
tmpdir=/usr/local/mysql/tmp
# 用于错误消息的区域设置。默认值是en_US。服务器将参数转换为语言名，并将其与lc_messages_dir的值结合，以生成错误消息文件的位置。
lc_messages=zh_CN
# 错误消息所在的目录。服务器使用该值和lc_messages的值来生成错误消息文件的位置。
lc_messages_dir=/usr/local/mysql/share
# 默认的错误日志目的地。如果目标是控制台，则值为stderr。否则，目标是一个文件，log_error值是文件名。
log-error=/usr/local/mysql/log/alert.log
# 慢查询日志文件名。默认值是host_name-slow.log，但可以通过slow_query_log_file选项更改初始值。
slow_query_log_file=/usr/local/mysql/log/slow.log
# 通用查询日志文件的名称。默认值是host_name.log，但初始值可以通过general_log_file选项更改。
general_log_file=/usr/local/mysql/log/general.log
# mysql的主机和客户机在同一host上的时候，使用unix domain socket做为通讯协议的载体文件
socket=/usr/local/mysql/run/mysql.sock
# 服务端字符集
character-set-server=utf8mb4
# 此变量控制写入错误日志的消息中的时间戳的时区，以及写入文件的一般查询日志和慢查询日志消息中的时间戳的时区。
log_timestamps=SYSTEM
# 操作系统中可用于mysqld的文件描述符的数量。
open_files_limit=61535
# 同时允许的最大客户端连接数。
max_connections=1000
# mysql_stmt_send_long_data() C API函数发送的一个包或任何生成/中间字符串的最大大小，或任何参数的最大大小。默认是64MB。
max_allowed_packet=1G
# 如果设置为0，表名将按指定的方式存储，并且比较区分大小写。如果设置为1，表名将以小写形式存储在磁盘上，比较不区分大小写。如果设置为2，则表名按给定值存储，但以小写进行比较。此选项也适用于数据库名称和表别名。
lower_case_table_names=1
# 慢查询日志是否开启。取值为0(或OFF)表示关闭日志，取值为1(或ON)表示打开日志。默认值取决于是否给出——slow_query_log选项。日志输出的目标由log_output系统变量控制;如果该值为NONE，则即使启用了日志，也不会写入任何日志项。
slow_query_log=1
# validate_password插件的加载方法
plugin-load-add=validate_password.so
# validate-password在服务器启动时使用该选项来控制插件的激活
validate-password=FORCE_PLUS_PERMANENT

 初始化后需记住localhost@root: 后面的内容，就是本机root用户的初始密码，需要记录下来。

# 将安装目录的所有权授予用户、属组 mysql:mysql
[root@hadoop1 ~]# chown -R mysql:mysql /usr/local/mysql
# 初始化数据库
[root@hadoop1 ~]# cd /usr/local/mysql
[root@hadoop1 mysql]# ./bin/mysqld --initialize --user=mysql --basedir=/usr/local/mysql/ --datadir=/usr/local/mysql/data/
# 再次将安装目录的所有权授予用户、属组 mysql:mysql
[root@hadoop1 mysql]# chown -R mysql:mysql /usr/local/mysql
# 将安装目录的 rwx 授予其所属用户mysql
[root@hadoop1 mysql]# chmod u+wrx -R /usr/local/mysql

 如果忘记看了，则查看文件/usr/local/mysql/log/alert.log中

启动mysql服务

# 启动mysql服务
service mysqld start
# 停止mysql服务
service mysqld stop
# 重启mysql服务
service mysqld restart
# 查看mysql服务是否启动
service mysqld status

登录mysql

# 登录Mysql
# mysql -h[ip地址] -u[用户名] -p
mysql -uroot -p
# 密码是前面记录的初始密码

设置密码

-- 设置密码验证安全级别
set global validate_password_policy=LOW; 
-- 设置密码验证最小长度
set global validate_password_length=6;
-- 设置密码为123456（根据自己的想法设置）
alter user root@localhost identified by '123456';

Hive的部署

        因为hive本身是一个单机的工具，所以只要在一台机器上部署就行了。

        1.配置hadoop，让hive代理hadoop，打开hadoop/etc/hadoop/core-site.xml。配置完成后通过scp命令分发给另外两台机器。

#在<configuration></configuration>中加上以下代码
 
	<property>
		<name>hadoop.proxyuser.hadoop.hosts</name>
		<value>*</value>
	</property>
	<property>
		<name>hadoop.proxyuser.hadoop.groups</name>
		<value>*</value>
	</property>

         2.下载并解压Hive

        下载连接，apache-hive-3.1.3-bin.tar.gz

        下载完成后上传到Linux服务器中，并用tar -zxvf命令解压

 tar -zxvf apache-hive-3.1.3-bin.tar.gz
 
 
#改名为hive
 
mv apache-hive-3.1.3-bin hive

        3.下载mysql驱动包放入hive/lib目录下

        下载地址，下载完成后解压，只上传mysql-connector-j-8.3.0.jar即可。

        4.在Hive的conf目录内，将hive-env.sh.template文件复制并重命名为hive-env.sh文件，填入以下环境变量内容

#复制
cp hive-env.sh.template hive-env.sh
 
#加入以下内容
export HADOOP_HOME=/data/root/env/environment/hadoop
export HIVE_CONF_DIR=/data/root/env/environment/hive/conf
export HIVE_AUX_JARS_PATH=/data/root/env/environment/hive/lib

        5.在Hive的conf目录内，将hive-default.xml.template文件复制并重命名为hive-site.xml文件,然后在<configuration></configuration>中增加连接数据库的配置

cp hive-default.xml.template hive-site.xml
 
 
 
<property>
        <name>javax.jdo.option.ConnectionURL</name>
        <value>jdbc:mysql://localhost:3306/hive?characterEncoding=UTF-8</value>
    </property>
    <property>
        <name>javax.jdo.option.ConnectionDriverName</name>
        <value>com.mysql.cj.jdbc.Driver</value>
    </property>
    <property>
        <name>javax.jdo.option.ConnectionUserName</name>
        <value>root</value>
    </property>
    <property>
        <name>javax.jdo.option.ConnectionPassword</name>
        <value>123456</value>
</property>
 
 
#javax.jdo.option.ConnectionURL：元数据连接的数据库地址
#javax.jdo.option.ConnectionDriverName：元数据所用数据库的驱动
#javax.jdo.option.ConnectionUserName：元数据登录用户
#javax.jdo.option.ConnectionPassword：元数据登录密码

        6.进入mysql，创建hive数据库 ,授予权限给用户root

CREATE DATABASE hive;
 
grant all on *.* to 'root'@'%';

        7.初始化Hive，在hive/bin目录下执行以下命令

./schematool -initSchema -dbType mysql

         报错

         解决办法：进入hive-site.xml文件中的第3215行，删除第97列的符号“&#8”

        初始化完成可以到mysql中查看hive数据库，发现数据库已经有了74个表

        

        进入/etc/profile文件，添加hive变量

        

        添加完成后使用source /etc/profile生效环境变量

        

        8.启动hvie

        在hive目录下创建一个logs文件夹用来保持日志,创建temp文件夹

mkdir logs
mkdir temp

       替换/hive/conf/hive-site.xml文件夹中的${system:java.io.tmpdir}，用temp的绝对路径替换。

两个都要改。

        

        启动元数据管理服务（如果metastore启动报错JAVA拒绝连接是因为没有打开Mysql服务）

#二选一即可
#后台执行方法
nohup bin/hive --service metastore >> logs/metastore.log 2>&1 &
 
#前台执行方法
hive --service metastore

        通过jps可以查看到Runjar就是metastore进程

         

         启动hive（启动之前确保hdfs和yarn已经开启,不然会报错）

hive

         报错

         解决办法：退出安全模式

hdfs dfsadmin -safemode leave

         查询数据库，如果查询成功说明安装完成

        

Hive的操作

        1.简单的SQL语句，创建、插入、查询

#创建表
CREATE TABLE test(id INT,name STRING);
 
#插入数据
INSERT INTO test VALUES(1, 'SAM'),(2, 'DIVE'),(3, 'TOM');
 
#查询内容
SELECT * FROM test;
 
#带计算的查询
SELECT COUNT(*) FROM test;

       当我们在执行插入语句或者SQL语句中含有计算的时候，发现该语句执行了一分钟左右才完成，这是因为Hive其实执行的是MapReduce分布式计算。 

       

        当我们创建完表后，它会存入到我们hdfs文件系统中（默认放在/user/hive/warehouse中），可以用命令查看

hdfs dfs -ls /user/hive/warehouse
 
hdfs dfs -cat /user/hive/warehouse/test/*

        

HiveServer2服务

       HiveServer2是Hive内置的一人ThriftServer服务，提供Thrift端口供其它客户端链接使用hive

#二选一即可
#后台执行方法
nohup bin/hive --service hiveserver2 >> logs/hiveserver2.log 2>&1 &
 
#前台执行方法
hive --service hiveserver2

        使用DataGrip连接hive,并查询数据库