大数据入门与实战-Hive

1 Hive是什么Hive是一个数据仓库基础工具在Hadoop中用来处理结构化数据。它架构在Hadoop之上，总归为大数据，并使得查询和分析方便。最初，Hive是由Facebook开发，后来由Apache软件基金会开发，并作为进一步将它作为名义下Apache Hive为一个开源项目。它用在好多不同的公司。例如，亚马逊使用它在 Amazon Elasti...

致Great

372人浏览 · 2019-03-09 09:35:00

致Great · 2019-03-09 09:35:00 发布

1 Hive是什么

Hive是一个数据仓库基础工具在Hadoop中用来处理结构化数据。它架构在Hadoop之上，总归为大数据，并使得查询和分析方便。最初，Hive是由Facebook开发，后来由Apache软件基金会开发，并作为进一步将它作为名义下Apache Hive为一个开源项目。它用在好多不同的公司。例如，亚马逊使用它在 Amazon Elastic MapReduce。

2 Hive不是

一个关系数据库
一个设计用于联机事务处理（OLTP）
实时查询和行级更新的语言

3 Hive特点

它存储架构在一个数据库中并处理数据到HDFS。它是专为OLAP设计。它提供SQL类型语言查询叫HiveQL或HQL。它是熟知，快速，可扩展和可扩展的。

4 Hive架构

下面的组件图描绘了Hive的结构：

5 Hive 工作原理

下表定义Hive和Hadoop框架的交互方式：

1 Execute Query Hive接口，如命令行或Web UI发送查询驱动程序（任何数据库驱动程序，如JDBC，ODBC等）来执行。
2 Get Plan 在驱动程序帮助下查询编译器，分析查询检查语法和查询计划或查询的要求。
3 Get Metadata 编译器发送元数据请求到Metastore（任何数据库）。
4 Send Metadata Metastore发送元数据，以编译器的响应。
5 Send Plan 编译器检查要求，并重新发送计划给驱动程序。到此为止，查询解析和编译完成。
6 Execute Plan 驱动程序发送的执行计划到执行引擎。
7 Execute Job 在内部，执行作业的过程是一个MapReduce工作。执行引擎发送作业给JobTracker，在名称节点并把它分配作业到TaskTracker，这是在数据节点。在这里，查询执行MapReduce工作。
7.1 Metadata Ops 与此同时，在执行时，执行引擎可以通过Metastore执行元数据操作。
8 Fetch Result 执行引擎接收来自数据节点的结果。
9 Send Results 执行引擎发送这些结果值给驱动程序。
10 Send Results 驱动程序将结果发送给Hive接口。

6 Hive的安装与配置

安装Hive之前，先安装hadoop,保证HDFS、YARN启动成功。默认情况下，Hive元数据保存在嵌入式数据库Derby中，只能允许一个会话连接，只适合简单的测试。为了支持多用户多会话，则需要一个独立的元数据库，我们使用 MySQL 作为元数据库。

6.1 安装MySQL

参考下面的三个教程：
安装mysql：https://www.jianshu.com/p/7cccdaa2d177
更改mysql密码：https://blog.csdn.net/lihao21/article/details/80692068
设置mysql开机自启动：https://www.cnblogs.com/yoyotl/p/5752437.html

1.1. 创建Hive元数据库

创建名称为hive的数据库，用于存储hive的元数据，如下图所示：

1.2. 用户授权

为root用户授权，使其能从外部IP访问mysql数据库，使用如下命令：

grant all privileges on . to 'root'@'%' identified by '123456';

使授权立即生效，使用如下命令：

flush privileges;

命令执行如下图所示：

1.3. 从windows环境连接mysql

使用windows环境下的mysql客户端工具Navicat for MySQL连接mysql：

6.2 安装Hive

1.1. 将下载的hive包拷贝到Linux环境中

将hive软件包拷贝到hadoop集群的某一台服务器上面，具体目录可根据情况设置。本教程中的大数据软件都安装在/opt目录下。如下图所示：

1.2. 解压hive软件包

使用如下命令解压hive软件包：tar –zxvf apache-hive-2.1.1-bin.tar.gz。

1.3. 配置Hive环境变量

在/etc/profile 或者~/.bashrc中配置hive环境变量:

export HIVE_HOME=hive****安装路径

export PATH=HIVE_HOME/bin:

配置后的profile文件如下图所示：

使环境变量生效：

source /etc/profile

1.4. Hive配置文件

进入hive解压目录的conf目录，运行如下命令，复制配置文件：

[root@bigdata02 conf]# cp hive-default.xml.template hive-site.xml

[root@bigdata02 conf]# cp hive-env.sh.template hive-env.sh

1.4.1. 修改hive-env.sh文件

修改hive-env.sh文件，增加两行，根据实际情况修改安装路径：

export HADOOP_HOME=hadoop****安装路径

export HIVE_CONF_DIR=hive****安装路径/conf

1.4.2. 修改hive-site.xml文件

修改配置文件$HIVE_HOME/conf/hive-site.xml。

找到配置项hive.metastore.warehouse.dir，

hive.metastore.warehouse.dir的默认值为/user/hive/warehouse，保持不变

1.4.3. 设置元数据数据库

更换存储元数据的数据库，需要配置以下参数值:

javax.jdo.option.ConnectionURL // 数据库URL

javax.jdo.option.ConnectionDriverName // JDBC 驱动名称

javax.jdo.option.ConnectionUserName // 数据库用户名

javax.jdo.option.ConnectionPassword // 数据库密码

下面是使用mysql来存储元数据的配置信息，可以通过搜索其中的name值，如<name>javax.jdo.option.ConnectionURL</name>，找到对应的配置项进行修改：


<configuration>

<property>

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

<value>jdbc:mysql://bigdata02:3306/hive?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>123456</value>

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

</property>

</configuration>