Hive详解（一）

Apache Hive（一）

第一章 简单了解Hive

1.1 什么是Hive？

​ Apache Hive是一个数据仓库。数据仓库和数据库的区别在于，数据仓库的数据是长期不变的，而数据库的数据需要经常修改。

​ Hive可以用SQL语法来读取、写入和管理驻留在分布式存储的大数据。Hadoop本来是要手写MapReduce的，但是自从出现了Hive，一些简单的mapreduce就可以通过hive的SQL自动生成，降低了开发难度，而且SQL比MapReduce简洁，易懂。

1.2 Hive的功能

​ Hive建立与Hadoop之上，它提供以下功能

• 通过SQL轻松访问大数据的工具，从而支持数据仓库的相关工作，如extract（提取）/transform（转换）/load 加载(ETL)，报告，和数据分析
• 对各种数据格式施加结构
• 访问直接存储HDFS的文件或者访问别的数据存储系统，如HBase
• 通过Apache的Tez、Spark或者MapReduce执行查询（查询引擎）
• 基于HPL-SQL的过程语言
• 通过Hive LLAP、Apache YARN和Apache Slider进行亚秒级的查询

Hive的SQL还可以通过用户定义函数（UDFs）、用户定义聚合（UDAFs）和用户定义表函数（UDTFs）用用户代码进行扩展。

1.3 Hive官网

Hive官网地址

第二章 开始使用Hive

2.1 安装和配置

要求环境：

• Java1.8
• Hadoop 2.x
• Linux

稳定版Hive的安装

稳定版下载地址

1. 下载
2. 解压

tar -xzvf hive-x.y.z.tar.gz
1

3. 设置Hive环境变量指向安装目录

cd hive-x.y.z
export HIVE_HOME={{pwd}}
1
2

4. 最后添加bin目录

export PATH=$HIVE_HOME/bin:$PATH
1

2.2 运行Hive

2.2.1 配置Hadoop路径

Hive是基于Hadoop的，所以：

• 你必须在环境变量中配置Hadoop目录

• export HADOOP_HOME=<hadoop-install-dir>
  1

2.2.2 创建元数据仓库目录

此外，你必须启动Hadoop的HDFS，并创建/tmp和/user/hive/warehouse（又叫做hive.metastore.warehouse.dir），并赋予这两个文件夹权限，这样才能够在hive中创建表

$ $HADOOP_HOME/bin/hadoop fs -mkdir /tmp
$ $HADOOP_HOME/bin/hadoop fs -mkdir /user/hive/warehouse
$ $HADOOP_HOME/bin/hadoop fs -chmod g+w /tmp
$ $HADOOP_HOME/bin/hadoop fs -chmod g+w /user/hive/warehouse
1
2
3
4

你会发现将Hive放进环境变量里面很有用，尽管这不是必要的。

$ export HIVE_HOME=<hive-install-dir>
1

2.2.3 运行Hive CLI

注意：使用Hive前要把Hadoop启动了

CLI：command line interface（命令行接口）

$HIVE_HOME/bin/hive
1

2.2.4 运行HiveServer2和Beeline

​ 从hive2.1开始，我们需要运行下面的schematool命令作为初始化步骤。例如，我们可以使用“derby”作为db类型。

$HIVE_HOME/bin/schematool -dbType <db type> -initSchema
1

​ HiveServer2（在hive0.11中引入）有自己的CLI，称为Beeline。HiveCLI现在不赞成使用，而应该使用Beeline，因为HiveCLI缺乏HiveServer2的多用户、安全性和其他功能。要从shell运行HiveServer2和Beeline：

 $ $HIVE_HOME/bin/hiveserver2

 $ $HIVE_HOME/bin/beeline -u jdbc:hive2://$HS2_HOST:$HS2_PORT
1
2
3

​ Beeline由HiveServer2的JDBC URL启动，这取决于HiveServer2启动的地址和端口。默认情况下，它将是(localhost:10000)，所以地址看起来像jdbc:hive2://localhost:10000.

​ 或者在相同的过程中启动Beeline和HiveServer2以进行测试，以获得与HiveCLI类似的用户体验：

$ $HIVE_HOME/bin/beeline -u jdbc:hive2://
1

2.3 配置管理

2.3.1 概览

• 默认配置<install-dir>/conf/hive-default.xml

• 环境变量/etc/profile

• 详细配置<install-dir>/conf/hive-site.xml

• Log4j日志配置<install-dir>/conf/hive-log4j.properties

• Hive默认集成Hadoop的配置

2.3.1 Hive日志

• 默认的log4j日志存在/tmp/<user.name>/hive.log

• 要配置不同的日志位置，在$HIVE_HOME/conf/hive-log4j.properties中配置hive.log.dir即可

• 为了确保目录能够使用（chmod 1777 <dir>）

hive.log.dir=<other_location>
1

如果用户愿意，可以通过添加以下参数将日志发送到控制台：

bin/hive --hiveconf hive.root.logger=INFO,console  //for HiveCLI (deprecated)
bin/hiveserver2 --hiveconf hive.root.logger=INFO,console
1
2

2.4 数据定义语言（DDL）

2.4.1 创建Hive表

• 创建一个名为pokes的表，其中有两列，第一列是整数，另一列是字符串。

hive> CREATE TABLE pokes (foo INT, bar STRING);
1

• 创建一个名为invites的表，其中包含两列和一个名为ds的分区列。分区列是虚拟列。它不是数据本身的一部分，而是从装入特定数据集的分区派生出来的。默认情况下，表假定为文本输入格式，分隔符假定为^A（ctrl-A）。

 hive> CREATE TABLE invites (foo INT, bar STRING) PARTITIONED BY (ds STRING);
1

2.4.2 浏览表

hive> SHOW TABLES;
1

列出所有表

列出以“s”结尾的所有表。模式匹配遵循Java正则表达式。查看此链接以获取文档

 hive> SHOW TABLES '.*s';
1

显示列信息

hive> DESCRIBE invites;
1

2.4.3 更改和删除表

​ 表名可以更改，列可以添加或替换

hive> ALTER TABLE events RENAME TO 3koobecaf;
hive> ALTER TABLE pokes ADD COLUMNS (new_col INT);
hive> ALTER TABLE invites ADD COLUMNS (new_col2 INT COMMENT 'a comment');
hive> ALTER TABLE invites REPLACE COLUMNS (foo INT, bar STRING, baz INT COMMENT 'baz replaces new_col2');
1
2
3
4

​ 注意：REPLACE COLUMNS替换所有现有列并且只改变表的结构，而不会改变数据。REPLACE COLUMNS还可以用来从表结构中删除列

hive> ALTER TABLE invites REPLACE COLUMNS (foo INT COMMENT 'only keep the first column');
1

​ 删除表

 hive> DROP TABLE pokes;
UMNS替换所有现有列并且只改变表的结构，而不会改变数据。REPLACE COLUMNS还可以用来从表结构中删除列

```sql
hive> ALTER TABLE invites REPLACE COLUMNS (foo INT COMMENT 'only keep the first column');
1
2
3
4
5