Hive(一)：基础

青旅半醒 2023-02-17 01:19 120阅读 0赞

### 文章目录 ###

*  一、Hive简介
 *   *  1.1 Hive概述
     *  1.2 Hive的优缺点
     *  1.3 Hive架构原理
     *  1.4 Hive和数据库比较
 *  二、Hive安装
 *   *  2.1 Hive安装部署
     *  2.2 遇到的问题
     *  2.3 配置Metastore到MySql
     *  2.4 HiveJDBC访问
     *  2.5 Hive常见属性配置
 *  三、Hive常用交互命令

# 一、Hive简介 #

## 1.1 Hive概述 ##

`Hive`是由`Facebook`开源用于解决海量结构化日志的数据统计。

`Hive`是基于`Hadoop`的一个**数据仓库工具**，可以**将结构化的文件数据映射为一张表**，并提供类SQL查询功能。

`Hive`本质就是将`HQL`转换为`MapReduce`程序，其处理的数据存储在`HDFS`，分析数据底层的实现是`MapReduce`，执行程序运行在`Yarn`上。

## 1.2 Hive的优缺点 ##

**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

**缺点：**

1.  **Hive的HQL表达能力有限**：迭代式算法无法表达；数据挖掘方面不擅长，由于`MapReduce`数据处理流程的限制，效率更高的算法却无法实现。
2.  **Hive的效率比较低**：`Hive`自动生成的`MapReduce`作业，通常情况下不够智能化；`Hive`调优比较困难，粒度较粗。

## 1.3 Hive架构原理 ##

![在这里插入图片描述][20200610164636616.png]  
`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.  **用户接口：Client**  
    `CLI`（`command-line interface`）、`JDBC`/`ODBC`(`JDBC`访问`Hive`)、`WEBUI`（浏览器访问`Hive`）
2.  **元数据：Metastore**  
    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，推荐使用`MySQL`存储`Metastore`
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`；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`。

## 1.4 Hive和数据库比较 ##

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`和数据库的差异。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。

**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。

**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。而数据库则可以将数据保存在块设备或者本地文件系统中。

**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的。因此，`Hive`中不建议对数据的改写，所有的数据都是在加载的时候确定好的。而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。

**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。

**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，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。

**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。

**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，数据库可以支持的数据规模较小。

# 二、Hive安装 #

## 2.1 Hive安装部署 ##

**①前提**

启动`Hadoop`集群，并在在`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

[root@hadoop100 hadoop-2.7.2]$ bin/hadoop fs -mkdir /tmp
    [root@hadoop100 hadoop-2.7.2]$ bin/hadoop fs -mkdir -p /user/hive/warehouse
    [root@hadoop100 hadoop-2.7.2]$ bin/hadoop fs -chmod g+w /tmp
    [root@hadoop100 hadoop-2.7.2]$ bin/hadoop fs -chmod g+w /user/hive/warehouse

**②解压`apache-hive-1.2.1-bin.tar.gz`**

[root@hadoop100 software]$ tar -zxvf apache-hive-1.2.1-bin.tar.gz -C /opt/module/

**③修改`apache-hive-1.2.1-bin.tar.gz`的名称为`hive-1.2.1`**

[root@hadoop100 software]$ mv apache-hive-1.2.1-bin/ hive-1.2.1

**④复制`conf`文件夹下的`hive-env.sh.template`为`hive-env.sh`**

[root@hadoop100 conf]$ cp hive-env.sh.template hive-env.sh

**⑤配置`hive-env.sh`**

配置`HADOOP_HOME`路径：`export HADOOP_HOME=/opt/module/hadoop-2.7.2`  
配置`HIVE_CONF_DIR`路径：`export HIVE_CONF_DIR=/opt/module/hive-1.2.1/conf`

**⑥启动`Hive`**

[root@hadoop100 hive-1.2.1]$ bin/hive
    
    查看所有数据库：hive> show databases;

## 2.2 遇到的问题 ##

打开第二个客户端窗口启动hive，会产生java.sql.SQLException异常：

Exception in thread "main" java.lang.RuntimeException: java.lang.RuntimeException:
    Unable to instantiate
    org.apache.hadoop.hive.ql.metadata.SessionHiveMetaStoreClient
           at org.apache.hadoop.hive.ql.session.SessionState.start(SessionState.java:522)
           at org.apache.hadoop.hive.cli.CliDriver.run(CliDriver.java:677)
           at org.apache.hadoop.hive.cli.CliDriver.main(CliDriver.java:621)
           at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
           at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:57)
           at

原因：`Metastore`默认存储在自带的`Derby`数据库中，推荐使用`MySQL`存储`Metastore`。

## 2.3 配置Metastore到MySql ##

**前提：`MySQL`数据库的安装完成**

**①复制`MySQL`驱动到`Hive`下`lib`文件夹下**

[root@hadoop100 software]$ cp mysql-connector-java-5.1.27-bin.jar
     /opt/module/hive-1.2.1/lib/

**②在`conf`文件夹下新建`hive-site.xml`**

[root@hadoop100 conf]$ vim hive-site.xml

配置内容为：

<?xml version="1.0"?>
    <?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
    <configuration>
    	<property>
    	  <name>javax.jdo.option.ConnectionURL</name>
    	  <value>jdbc:mysql://hadoop100:3306/metastore?createDatabaseIfNotExist=true</value>
    	  <description>JDBC connect string for a JDBC metastore</description>
    	</property>
    
    	<property>
    	  <name>javax.jdo.option.ConnectionDriverName</name>
    	  <value>com.mysql.jdbc.Driver</value>
    	  <description>Driver class name for a JDBC metastore</description>
    	</property>
    
    	<property>
    	  <name>javax.jdo.option.ConnectionUserName</name>
    	  <value>root</value>
    	  <description>username to use against metastore database</description>
    	</property>
    
    	<property>
    	  <name>javax.jdo.option.ConnectionPassword</name>
    	  <value>1234</value>
    	  <description>password to use against metastore database</description>
    	</property>
    
    </configuration>

**③重启`Hive`，此时已能多窗口访问**

## 2.4 HiveJDBC访问 ##

**HiveServer2**:

1.  为`Hive`提供了一种允许客户端远程访问的服务
2.  基于`thrift`协议，支持跨平台，跨编程语言对`Hive`经常访问
3.  允许远程访问

**Beeline**：`HiveServer2`支持的新的命令行，基于`SQLLine Cli`的`JDBC`客户端

**①启动`hiveserver2`服务**

[root@hadoop100 hive-1.2.1]$ bin/hiveserver2

**②动`beeline`**

[root@hadoop100 hive-1.2.1]$ bin/beeline
    Beeline version 1.2.1 by Apache Hive
    beeline>

**③连接`hiveserver2`**

beeline> !connect jdbc:hive2://hadoop100:10000（回车）
    Connecting to jdbc:hive2://hadoop100:10000
    Enter username for jdbc:hive2://hadoop100:10000: rooot（回车）
    Enter password for jdbc:hive2://hadoop100:10000: 1234（直接回车）
    Connected to: Apache Hive (version 1.2.1)
    Driver: Hive JDBC (version 1.2.1)
    Transaction isolation: TRANSACTION_REPEATABLE_READ
    0: jdbc:hive2://hadoop100:10000> show databases;
    +----------------+--+
    | database_name  |
    +----------------+--+
    | default        |
    +----------------+--+

## 2.5 Hive常见属性配置 ##

**①`Hive`数据仓库位置配置**

`Default`数据仓库的最原始位置是在hdfs上的：/user/hive/warehouse路径下。在仓库目录下，没有对默认的数据库default创建文件夹。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。

修改数据仓库位置：配置`hive-site.xml`

<property>
    	<name>hive.metastore.warehouse.dir</name>
    	<value>/user/hive/warehouse</value>
    	<description>location of default database for the warehouse</description>
    </property>

记得给该文件夹配置同组用户有执行权限：`bin/hdfs dfs -chmod g+w /user/hive/warehouse`

**②查询后信息显示配置**

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，以及查询表的头信息配置。

<property>
    	<name>hive.cli.print.header</name>
    	<value>true</value>
    </property>
    
    <property>
    	<name>hive.cli.print.current.db</name>
    	<value>true</value>
    </property>

![在这里插入图片描述][20200610201536617.png]  
![在这里插入图片描述][20200610201600764.png]  
**③`Hive`运行日志信息配置**

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

修改日志位置：配置`hive-log4j.properties`

hive.log.dir=/opt/module/hive/logs

# 三、Hive常用交互命令 #

[root@hadoop100 hive]$ bin/hive -help
    usage: hive
     -d,--define <key=value>          Variable subsitution to apply to hive
                                      commands. e.g. -d A=B or --define A=B
        --database <databasename>     Specify the database to use
     -e <quoted-query-string>         SQL from command line
     -f <filename>                    SQL from files
     -H,--help                        Print help information
        --hiveconf <property=value>   Use value for given property
        --hivevar <key=value>         Variable subsitution to apply to hive
                                      commands. e.g. --hivevar A=B
     -i <filename>                    Initialization SQL file
     -S,--silent                      Silent mode in interactive shell
     -v,--verbose                     Verbose mode (echo executed SQL to the console

**①`-e`不进入`hive`的交互窗口执行sql语句**

[root@hadoop100 hive]$ bin/hive -e "select * from student;"

**②执行文件中的`sql`语句**

[root@hadoop100 hive]$ bin/hive -f /opt/module/datas/hivef.sql

**③执行文件中的`sql`语句并将结果写入文件中**

[root@hadoop100 hive]$ bin/hive -f /opt/module/datas/hivef.sql  > /opt/module/datas/hive_result.txt

**④查看在`hive`中输入的所有历史命令**

进入到当前用户的根目录`/root`，查看`. hivehistory`文件

[root@hadoop100 root]$ bin/cat .hivehistory

[20200610164636616.png]: https://img-blog.csdnimg.cn/20200610164636616.png
[20200610201536617.png]: https://img-blog.csdnimg.cn/20200610201536617.png
[20200610201600764.png]: https://img-blog.csdnimg.cn/20200610201600764.png