hive介绍和部署使用(超级详细)_hive网络部署

1）Hive：由Facebook开源用于解决海量结构化日志的数据统计。

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。

本质是：将HQL/SQL转化成MapReduce程序

3）Hive处理的数据存储在HDFS

4）Hive分析数据底层的实现是MapReduce。（当然HIVE底层可以使用Tez计算引擎, Tez是MR的优化版，支持DAG有向无图）

5）执行程序运行在Yarn上

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。

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

（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

（3）hive子支持导入数据，和查看数据，不提供修改数据的功能，只能修改表名和数据等信息。

0）如图中所示，在hive中，HDFS的数据和mysql双向映射，所以hive操作是操作mysql, 然后在把sql转换成MR，在然后间接操作HDFS。

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）Client用户接口

CLI（hive shell）、JDBC/ODBC(java访问hive)、WEBUI（浏览器访问hive）

2）Metastore元数据：

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(默认大小2MB)来保存元数据，推荐使用MySQL存储Metastore（元数据），后面将会安装mysql。

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(编译器)；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。

（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。

0）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mysql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mysql数据库的差异。mysql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） 数据存储位置

Hive 是建立在 Hadoop 之上的，所有 Hive 的数据都是存储在 HDFS 中的。而mysql数据库则可以将数据保存在块设备或者本地文件系统中。

3） 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(只适合追加)的。因此，Hive中不支持对数据的改写和添加，所有的数据都是在加载的时候确定好的。而mysql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。

4) 索引

Hive在加载数据的过程中不会对数据进行任何处理，甚至不会对数据进行扫描，因此也没有对数据中的某些Key建立索引。Hive要访问数据中满足条件的特定值时，需要暴力扫描整个数据，因此访问延迟较高。由于 MapReduce 的引入， Hive 可以并行访问数据，因此即使没有索引，对于大数据量的访问，Hive 仍然可以体现出优势。数据库中，通常会针对一个或者几个列建立索引，因此对于少量的特定条件的数据的访问，mysql数据库可以有很高的效率，较低的延迟。由于数据的访问延迟较高，决定了 Hive 不适合在线数据查询。

5) 执行

Hive中大多数查询的执行是通过 Hadoop 提供的 MapReduce 来实现的。而数据库通常有自己的执行引擎。

6) 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，mysql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mysql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。

7) 可扩展性

由于Hive是建立在Hadoop之上的，因此Hive的可扩展性是和Hadoop的可扩展性是一致的（世界上最大的Hadoop 集群在 Yahoo!，2009年的规模在4000 台节点左右）。而数据库由于ACID 语义的严格限制，扩展行非常有限。目前最先进的并行数据库 Oracle 在理论上的扩展能力也只有100台左右。

8) 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，mysql数据库可以支持的数据规模较小。

1）官网下载地址

MySQL :: Begin Your Download 

2）检测本地是否有mysql已存在的包(有的卸载重装,以防引起的mysql是有问题的)

rpm -qa | grep -i  mysql

（-i表示不区分大小写）

3）检测本地是否有mariadb已存在的包

(有的话就卸载,这个是自带的,以防和myqsl冲突,所以卸载)

rpm -qa | grep mariadb

4）如果存在，则使用yum命令卸载

两个卸载的命令：

yum -y remove 卸载的rpm包名

rpm -e --nodeps 卸载的rpm包名

5）创建一个文件夹，上传jar包到/software/mysql

mkdir /software/mysql

6）解压mysql jar包

tar -xvf mysql-5.7.19-1.el7.x86_64.rpm-bundle.tar -C /software/mysql

7）安装mysql的 server、client、common、libs、lib-compat

rpm -ivh --nodeps mysql-community-server-5.7.19-1.el7.x86_64.rpm

rpm -ivh --nodeps mysql-community-client-5.7.19-1.el7.x86_64.rpm

（--nodeps是强制安装，不会显示提示）

rpm -ivh mysql-community-common-5.7.19-1.el7.x86_64.rpm

rpm -ivh mysql-community-libs-5.7.19-1.el7.x86_64.rpm

rpm -ivh mysql-community-libs-compat-5.7.19-1.el7.x86_64.rpm

net-tools使用yum -y install net-tools 安装

在使用这个命令查看是不是安装rpm -qa | grep -i  mysql

8）查看mysql的服务是否启动

systemctl status mysql

 Active: inactive (dead) 

9）启动mysql的服务

systemctl start mysqld.service

(也可以不加后缀)

10）再次检查mysql的服务是否启动

systemctl status mysqld

Active: active (running) since Thu 2019-03-21 07:23:08 EDT; 2s ago

11）查看默认生成的密码

cat /var/log/mysqld.log | grep password

2019-03-21T11:23:01.643479Z 1 [Note] A temporary password is generated for root@localhost: iwkJGgdj6jO

12）登录mysql服务

(mysql安装会自动配置在系统配置环境变量，所以不用手动）

mysql -uroot -p回车

输入密码：xxx

如果不回车，在-p后面跟密码，里面有特殊符号，所以需要单引号括起来。

注意mysql的命令是要以分号结尾的。

13）登入后进行mysql密码修改，修改规则如下

0 or LOW

长度

1 or MEDIUM

长度、大小写、数字、特殊字符

2 or STRONG

长度、大小写、数字、特殊字符、词典

注：以下修改是临时修改

（1）设置密码强度检查等级，0/LOW、1/MEDIUM、2/STRONG

mysql> set global validate_password_policy=0;

Query OK, 0 rows affected (0.05 sec)

（2）设置密码至少要包含的小写字母个数和大写字母个数

设置零表示可以不用字母

mysql> set global validate_password_mixed_case_count=0;

Query OK, 0 rows affected (0.00 sec)

（3）设置密码至少要包含的数字个数

设置可以不用数字

mysql> set global validate_password_number_count=0;

Query OK, 0 rows affected (0.00 sec)

（4）设置密码至少要包含的特殊字符数

设置零表示可以不需要特殊符号

mysql> set global validate_password_special_char_count=0;

Query OK, 0 rows affected (0.00 sec)

（5）密码最小长度，参数默认为8，

mysql> set global validate_password_length=1;

Query OK, 0 rows affected (0.00 sec)

14）修改密码：

mysql>alter user root@localhost identified by '123456';

mysql>flush privileges;由于这里设置的密码会自动刷新,这个命令可用可不用。

mysql> SHOW VARIABLES LIKE 'validate_password%';

(查看设置是否配置完成)

+--------------------------------------+------------------------+

| Variable_name                        | Value |

+--------------------------------------+------------------------+

| validate_password_dictionary_file     |       |

| validate_password_length             | 1    |

| validate_password_mixed_case_count   | 0     |

| validate_password_number_count        | 0     |

| validate_password_policy             | LOW  |

| validate_password_special_char_count | 0    |

+--------------------------------------+------------------------+

mysql>exit(这个命令可以不使用分号结束)

在登入测试是设置密码成功。

15）修改远程登录权限

+------------+--------------------+

| host | user |

+------------+--------------------+

| % | root |

| localhost | mysql.session |

| localhost | mysql.sys |

+------------+--------------------+

3 rows in set (0.00 sec)

（1）如上图所示：这个是可以成功远程链接得配置

（2）%表示可以是别的用户允许访问，而localhost表示只能是本地，所以要改为%。

（3）查询当前user表内root的登录权限：

select host,user from mysql.user;

（4）修改权限为所有%：

update mysql.user set host = '%' where user = 'root';

（5）刷新缓存：

flush privileges;

（6）使用windows的Navicat客户端范围linux的mysql。为什么可以访问，因为在windows里面使用vmnet8模式的，所以可以通过mysql访问，同时也自带了连接linux版本mysql的jdbc，所以可以连接

1）Hive安装及配置

（1）把apache-hive-1.2.1-bin.tar.gz上传到linux的/softWare目录下

（2）解压apache-hive-1.2.1-bin.tar.gz

[itstar@bigdata111 software]$ tar -zxvf apache-hive-1.2.1-bin.tar.gz -C /softWare/

（3）修改apache-hive-1.2.1-bin.tar.gz的名称为hive-1.2.1(名字自定义)

[itstar@bigdata111 module]$ mv apache-hive-1.2.1-bin/ hive-1.2.1

（4）修改hive-1.2.1/conf目录下的hive-env.sh.template名称为hive-env.sh

[itstar@bigdata111 conf]$ mv hive-env.sh.template hive-env.sh

（5）配置hive-env.sh文件

[1] 配置HADOOP_HOME路径 （这里不用写export）

HADOOP_HOME=/softWare/hadoop-2.8.4

[2] 配置HIVE_CONF_DIR路径

export HIVE_CONF_DIR=/softWare/hive-1.2.1/conf

（6）修改hive的log存放日志到 hive-1.2.1/logs

Hive的log默认存放在/tmp/itstar/hive.log目录下（当前用户名下）。

[1] 修改conf/hive-log4j.properties.template文件名称为hive-log4j.properties

        [itstar@bigdata111conf]$ mv hive-log4j.properties.template hive-log4j.properties

[2] 在hive-log4j.properties文件中修改log存放位置

vi hive-log4j.properties

hive.log.dir= /softWare/hive-1.2.1/logs

2）Hadoop集群配置

（1）必须启动hdfs和yarn

[itstar@bigdata111hadoop-2.8.4]$ sbin/start-dfs.sh

[itstar@bigdata112 hadoop-2.8.4]$ sbin/start-yarn.sh

（2）在HDFS上创建/tmp和/user/hive/warehouse两个目录并修改他们的同组权限可写

Default数据仓库的最原始位置是在hdfs上的：/user/hive/warehouse路径下。

[itstar@bigdata111hadoop-2.8.4]$ bin/hadoop fs -mkdir /tmp

[itstar@bigdata111hadoop-2.8.4]$ bin/hadoop fs -mkdir -p /user/hive/warehouse

由于没有写的权限，所有要加写的权限。

[itstar@bigdata111hadoop-2.8.4]$ bin/hadoop fs -chmod g+w /tmp

[itstar@bigdata111hadoop-2.8.4]$ bin/hadoop fs -chmod g+w /user/hive/warehouse

3) hive的环境变量配置

exprot HIVE_HOME=/softWare/hive-1.2.1

#这里配也可以配PATH，PATH=xxx 可以用多个，不一定非要写在一个PATH上面，

#这里有些了$PATH只是为了保修，如果，以防別的exprot没有写$PTAH。

exprot PATH=$PATH:$HIVE_HOME/bin

4）Hive基本操作

（1）启动hive

        [itstar@bigdata111hive]$ bin/hive

（2）查看数据库

        hive>show databases;

（3）打开默认数据库

        hive>use default;

（4）显示default数据库中的表

        hive>show tables;

（5）创建一张表

        hive> create table student(id int, name string) ;

（6）显示数据库中有几张表

        hive>show tables;

（7）查看表的结构

        hive>desc student;

（8）向表中插入数据

hive> insert into student values(1001,"xiao_ming");写中文可能乱码。

（9）查询表中数据

        hive> select * from student;

（10）退出hive

        hive> quit;

1）第一步：驱动拷贝

上传mysql-connector-java-5.1.27-bin.jar到/softWare/hive/lib/

作用就是hive连接mysql,可以把元数据放在mysql里面。

2）第二步：配置Metastore到MySql

在/softWare/hive/conf目录下创建 文件 ，[itstar@bigdata111conf]$ vi hive-site.xml

将以下内容放在该文件下面。

<?xml version="1.0"?>

<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<configuration>

<!-- 存放节点 -->

        <property>

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

          <value>jdbc:mysql://active节点的域名:3306/metastore?createDatabaseIfNotExist=true</value>

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

        </property>

<!-- 连接mysql驱动-->

        <property>

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

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

          <description>Driver class name for a JDBC metastore</description>

        </property>

<!—使用root用户-->

        <property>

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

          <value>root</value>

          <description>username to use against metastore database</description>

        </property>

<!—登入密码-- >

        <property>

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

          <value>mysql密码</value>

          <description>password to use against metastore database</description>

        </property>

</configuration>

3）第三部命令执行

配置完毕后，如果启动hive异常，可以重新启动虚拟机。（重启后，别忘了启动hadoop集群）

在执行该命令：schematool -dbType mysql -initSchema

尾行出现这个schemaTool completed，表示元数据修改成功。

1）Default数据仓库的最原始位置是在hdfs上的：/user/hive/warehouse路径下

2）如果某张表属于default数据库，直接在数据仓库目录下创建一个文件夹。

3）修改default数据仓库原始位置（将hive-default.xml.template如下配置信息拷贝到hive-site.xml文件中）

<property>

<name>hive.metastore.warehouse.dir</name>

<value>自定义路径</value>

<description>location of default database for the warehouse</description>

</property>

4）配置同组用户有执行权限(由于没有写的权限，所以要添加)

bin/hdfs dfs -chmod g+w 自定义路径

1）在hive-site.xml文件中添加如下配置信息,就可以实现显示当前数据库,以及查询"表头"信息配置。

<property>

        <name>hive.cli.print.header</name>

        <value>true</value>

</property>

<property>

        <name>hive.cli.print.current.db</name>

        <value>true</value>

</property>

2）重新启动hive，对比配置前后差异

（1）配置前

（2）配置后

1）在/softWare/exercise/目录下创建student.txt文件并添加数据

[itstar@bigdata111exercise]$ touch student.txt

[itstar@bigdata111exercise]$ vi student.txt

1001        zhangshan

1002        lishi

1003        zhaoliu

注意以tab键间隔。

2）Hive实际操作

（1）启动hive

        [itstar@bigdata111hive]$ bin/hive

（2）显示数据库

hive>show databases;

（3）使用default数据库

        hive>use default;

（4）显示default数据库中的表

        hive>show tables;

（5）删除已创建的student表

hive> drop table student;

（6）创建student表, 并声明文件分隔符’\t’

        hive> create table student(id int, name string)

ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t';

（7）加载/softWare/exercise/student.txt 文件到student数据库表中。

        hive> load data local inpath '/softWare/exercise/student.txt' into table student;

（8）Hive查询结果

hive> select * from student;

OK

1001        zhangshan

1002        lishi

1003        zhaoliu

Time taken: 0.266 seconds, Fetched: 3 row(s)

[itstar@bigdata111hive]$ hive -help

usage: hive

-e <quoted-query-string>         SQL from command line

-f <filename>                     SQL from files

... ........

1）“-e”不进入hive的交互窗口执行sql语句,可以看出在外面启动的

[itstar@bigdata111hive]$hive -e "select id from student;"

2）“-f”执行脚本中sql语句

（1）在/software/exercise目录下创建hivef.sql文件

其实linux和windows不一样，它不需要后缀名,反正一切皆文件，所以下面不写sql后缀也可以,

写起来真是方便切分而已。

[itstar@bigdata111datas]$ touch hivef.sql

文件中写入正确的sql语句

select * from student;

（2）执行文件中的sql语句

[itstar@bigdata111hive]$ hive -f /software/exercise/hivef.sql

（3）执行文件中的sql语句并将结果写入文件中(注：可能含有其他的表信息，如表头)

[itstar@bigdata111hive]$ hive -f /software/exercise/hivef.sql > /software/exercise/hive_result.txt

[itstar@bigdata111hive]$cat /software/exercise/hive_result.txt

student.id      student.name

1001    zhangshan

1002    lishi

1003    zhaoliu

1）退出hive窗口：    

hive(default)>exit;

hive(default)>quit;

在新版的oracle中没区别了，在以前的版本是有的：

exit:先隐性提交数据，再退出；

quit:不提交数据，退出；

2）在hive cli命令窗口中如何查看hdfs文件系统

        hive(default)>dfs -ls  /;

3）在hive cli命令窗口中如何查看hdfs本地系统

hive(default)> !  ls  -l  /softWare;

4）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/itstar

     （2）查看. hivehistory文件

[itstar@bigdata111~]$ cat .hivehistory

1）查看当前所有的配置信息

   hive>set;

2）参数的配置三种方式：

 （1）配置文件方式

[1] 默认配置文件：hive-default.xml

[2] 用户自定义配置文件：hive-site.xml

    [3] 注意：用户自定义配置会覆盖默认配置。另外，Hive也会读入Hadoop的配置，因为Hive是作为 Hadoop的客户端启动的，Hive的配置会覆盖Hadoop的配置。配置文件的设定对本机启动的所有Hive进程都有效。

（2）命令行参数方式

[1] 启动Hive时，可以在命令行添加-hiveconf param=value来设定参数。

[2] 例如：

[itstar@bigdata112 hive]$ bin/hive -hiveconf mapred.reduce.tasks=10;

注意：仅对本次hive启动有效

[3] 查看参数设置：

hive (default)> set mapred.reduce.tasks;

显示为：mapred.reduce.tasks=10

默认是：mapred.reduce.tasks=-1

（3）参数声明方式

可以在HQL中使用SET关键字设定参数

[1] 例如：

hive (default)> set mapred.reduce.tasks=10;

注意：仅对本次hive启动有效。

[2] 查看参数设置

hive (default)> set mapred.reduce.tasks;

[3] 上述三种设定方式的优先级依次递增。即配置文件<命令行参数<参数声明。

注意某些系统级的参数，例如log4j相关的设定，必须用前两种方式设定，

因为那些参数的读取在会话建立以前已经完成了。