Hive学习笔记（一） Hive安装

前面学习到利用mapreduce去计算，但是mapreduce写起来麻烦，并且代码重复度高，可以进行封装，所以就出来了Hive，hive工具通过执行类SQL来启动写好的mapreduce,进一步执行hdfs中的资源。

1 Hive是什么

1.1 概念

1） hive简介

Hive：由Facebook开源用于解决海量结构化日志的数据统计工具。

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。

2） Hive本质：将HQL转化成MapReduce程序如下图所示。需要注意的是以下三点：

（1）Hive处理的数据存储在HDFS

（2）Hive分析数据底层的实现是MapReduce

（3）执行程序运行在Yarn上

1.2 Hive架构

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。具体架构图如下所示。

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。

2 Hive 安装

2.1 Hive安装地址

1）Hive官网地址

http://hive.apache.org/

2）文档查看地址

https://cwiki.apache.org/confluence/display/Hive/GettingStarted

3）下载地址

http://archive.apache.org/dist/hive/

4）github地址

https://github.com/apache/hive

2.2 MySql安装

0）为什么需要Mysql

原因在于Hive默认使用的元数据库为derby，开启Hive之后就会占用元数据库，且不与其他客户端共享数据，如果想多窗口操作就会报错，操作比较局限。以我们需要将Hive的元数据地址改为MySQL，可支持多窗口操作。

1）检查当前系统是否安装过Mysql

[molly@hadoop102 ~]$ rpm -qa|grep -I -E mysql\|mariadb
mariadb-libs-5.5.56-2.el7.x86_64 //如果存在通过如下命令卸载
[molly@hadoop102 ~]$ sudo rpm -e --nodeps mariadb-libs  //用此命令卸载mariadb
[molly@hadoop102 ~]$ rpm -qa|grep -I -E mysql\|mariadb | xargs -n1 sudo rpm -e --nodeps#卸载所有

2）将MySQL安装包拷贝到/opt/software目录下

[molly@hadoop102 software]# ll
总用量 528384
-rw-r--r--. 1 root root 609556480 3月 21 15:41 mysql-5.7.28-1.el7.x86_64.rpm-bundle.tar

3）解压MySQL安装包

[molly@hadoop102 software]# tar -xf mysql-5.7.28-1.el7.x86_64.rpm-bundle.tar

4）在安装目录下执行rpm安装

[molly@hadoop102 software]$ sudo rpm -ivh mysql-community-common-5.7.28-1.el7.x86_64.rpm
[molly@hadoop102 software]$ sudo rpm -ivh mysql-community-libs-5.7.28-1.el7.x86_64.rpm
[molly@hadoop102 software]$ sudo rpm -ivh mysql-community-libs-compat-5.7.28-1.el7.x86_64.rpm
[molly@hadoop102 software]$ sudo rpm -ivh mysql-community-client-5.7.28-1.el7.x86_64.rpm
[molly@hadoop102 software]$ sudo rpm -ivh mysql-community-server-5.7.28-1.el7.x86_64.rpm

注意:按照顺序依次执行

如果Linux是最小化安装的，在安装mysql-community-server-5.7.28-1.el7.x86_64.rpm时可能会出 现如下错误

[molly@hadoop102 software]$ sudo rpm -ivh mysql-community-server-5.7.28-1.el7.x86_64.rpm

警告：mysql-community-server-5.7.28-1.el7.x86_64.rpm: 头V3 DSA/SHA1 Signature, 密钥 ID 5072e1f5: NOKEY

错误：依赖检测失败：

​ libaio.so.1()(64bit) 被 mysql-community-server-5.7.28-1.el7.x86_64 需要

​ libaio.so.1(LIBAIO_0.1)(64bit) 被 mysql-community-server-5.7.28-1.el7.x86_64 需要

​ libaio.so.1(LIBAIO_0.4)(64bit) 被 mysql-community-server-5.7.28-1.el7.x86_64 需要

通过yum安装缺少的依赖,然后重新安装mysql-community-server-5.7.28-1.el7.x86_64 即可

[molly@hadoop102 software] yum install -y libaio

5）删除/etc/my.cnf文件中datadir指向的目录下的所有内容,如果有内容的情况下:

查看datadir的值：

[mysqld]

datadir=/var/lib/mysql

删除/var/lib/mysql目录下的所有内容:

[molly@hadoop102 mysql]# cd /var/lib/mysql
[molly@hadoop102 mysql]# sudo rm -rf ./*  //注意执行命令的位置

6）初始化数据库

[molly@hadoop102 opt]$ sudo mysqld --initialize --user=mysql

7）查看临时生成的root用户的密码

[molly@hadoop102 opt]$ cat /var/log/mysqld.log |grep password

8）启动MySQL服务

[molly@hadoop102 opt]$ sudo systemctl start mysqld

9）登录MySQL数据库

[molly@hadoop102 opt]$ mysql -uroot -p
Enter password:  输入临时生成的密码

登录成功.

10）必须先修改root用户的密码,否则执行其他的操作会报错

mysql> set password = password("000000")

11）修改mysql库下的user表中的root用户允许任意ip连接

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

2.3 Hive安装部署

1）把apache-hive-3.1.2-bin.tar.gz上传到linux的/opt/software目录下

2）解压apache-hive-3.1.2-bin.tar.gz到/opt/module/目录下面

[molly@hadoop102 software]$ tar -zxvf /opt/software/apache-hive-3.1.2-bin.tar.gz -C /opt/module/

3）修改apache-hive-3.1.2-bin.tar.gz的名称为hive

[molly@hadoop102 software]$ mv /opt/module/apache-hive-3.1.2-bin/ /opt/module/hive-3.1.2

4）修改/etc/profile.d/my_env.sh，添加环境变量

[molly@hadoop102 software]$ sudo vim /etc/profile.d/my_env.sh

5）添加内容

#HIVE_HOME
HIVE_HOME=/opt/module/hive-3.1.2
PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$HIVE_HOME/bin
export PATH JAVA_HOME HADOOP_HOME HIVE_HOME

6）解决日志Jar包冲突:Hive日志与Hadoop默认日志冲突，可以直接删除hive日志JAR

[molly@hadoop102 software]$ rm -rf /opt/module/hive-3.1.2/lib/log4j-slf4j-impl-2.10.0.jar 

2.4 Hive元数据配置到MySql

因为Hive默认使用的元数据库为derby，为了想多窗口操作，我们需要将Hive的元数据地址改为MySQL。下面安装好mysql后，进行将Hive元数据配置到mysql上。其中HIVE_HOME=/opt/module/hive-3.1.2

2.4.1 拷贝驱动

将MySQL的JDBC驱动拷贝到Hive的lib目录下

[molly@hadoop102 software]$ cp /opt/software/mysql-connector-java-5.1.48.jar $HIVE_HOME/lib

2.4.2 配置Metastore到MySql

在$HIVE_HOME/conf目录下新建hive-site.xml文件

[molly@hadoop102 software]$ vim $HIVE_HOME/conf/hive-site.xml

添加如下内容

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
  <!-- jdbc连接的URL -->
  <property>
​    <name>javax.jdo.option.ConnectionURL</name>
​    <value>jdbc:mysql://hadoop102:3306/metastore?useSSL=false</value>
</property>
  <!-- jdbc连接的Driver-->
  <property>
​    <name>javax.jdo.option.ConnectionDriverName</name>
​    <value>com.mysql.jdbc.Driver</value>
</property>
  <!-- jdbc连接的username-->
  <property>
​    <name>javax.jdo.option.ConnectionUserName</name>
​    <value>root</value>
  </property>
  <!-- jdbc连接的password -->
  <property>
​    <name>javax.jdo.option.ConnectionPassword</name>
​    <value>123456</value>
</property>
  <!-- Hive默认在HDFS的工作目录 -->
  <property>
​    <name>hive.metastore.warehouse.dir</name>
​    <value>/user/hive/warehouse</value>
  </property>
  <!-- Hive元数据存储的验证 -->
  <property>
​    <name>hive.metastore.schema.verification</name>
​    <value>false</value>
  </property>
  <!-- 元数据存储授权 -->
  <property>
​    <name>hive.metastore.event.db.notification.api.auth</name>
​    <value>false</value>
  </property>
</configuration>

2.5 启动Hive

2.5.1 初始化元数据库

1）登陆MySQL

[molly@hadoop102 software]$ mysql -uroot -p000000

2）新建Hive元数据库

mysql> create database metastore;
mysql> quit;

3）初始化Hive元数据库

[molly@hadoop102 software]$ schematool -initSchema -dbType mysql -verbose

2.5.2 启动Hive

0）先启动hadoop集群

[molly@hadoop102 bin]$ start-dfs.sh
[molly@hadoop102 bin]$ start-yarn.sh
[molly@hadoop102 bin]$ myjps.sh

浏览器中查看hdfs：http://Hadoop102:9870

浏览器中查看yarn ：http://Hadoop103:8088

1）启动Hive

[molly@hadoop102 hive]$ bin/hive

2）使用Hive

hive> show databases;
hive> show tables;
hive> create table test (id int);
hive> insert into test values(1);
hive> select * from test;

2.5.3 使用元数据服务的方式访问Hive

原始方法：Hive直接访问mysql

使用元数据服务方式：Hive—》元数据服务，元数据服务—》访问mysql。

1）在hive-site.xml文件中添加如下配置信息

  <!-- 指定存储元数据要连接的地址 -->
  <property>
​    <name>hive.metastore.uris</name>
​    <value>thrift://hadoop102:9083</value>
  </property>

2）启动metastore

[molly@hadoop202 hive]$ hive --service metastore
2020-04-24 16:58:08: Starting Hive Metastore Server

注意: 启动后窗口不能再操作，需打开一个新的shell窗口做别的操作

3）启动 hive

[molly@hadoop202 hive]$ bin/hive

2.5.4 使用JDBC方式访问Hive

客户端是beeline（JDBC协议去访问）;

服务端：Hive使用hiveserver2提供JDBC协议：

所以访问数据流是：blleline通过hiveserver2去访问Hive。

1）在hive-site.xml文件中添加如下配置信息

2）启动hiveserver2

[molly@hadoop102 hive]$ bin/hive --service hiveserver2

3）启动beeline客户端（需要多等待一会）

[molly@hadoop102 hive]$ bin/beeline -u jdbc:hive2://hadoop102:10000 -n molly

4）看到如下界面

Connecting to jdbc:hive2://hadoop102:10000
Connected to: Apache Hive (version 3.1.2)
Driver: Hive JDBC (version 3.1.2)
Transaction isolation: TRANSACTION_REPEATABLE_READ
Beeline version 3.1.2 by Apache Hive
0: jdbc:hive2://hadoop102:10000>

3 常用命令

3.1 Hive常用交互命令

[molly@hadoop102 hive]$ bin/hive -help

1）“-e”不进入hive的交互窗口执行sql语句

[molly@hadoop102 hive]$ bin/hive -e "select id from student;"

2）“-f”执行脚本中sql语句

（1）在/opt/module/hive/下创建datas目录并在datas目录下创建hivef.sql文件

[molly@hadoop102 datas]$ touch hivef.sql

（2）文件中写入正确的sql语句

select *from student;

（3）执行文件中的sql语句

[molly@hadoop102 hive]$ bin/hive -f /opt/module/hive/datas/hivef.sql

（4）执行文件中的sql语句并将结果写入文件中

[molly@hadoop102 hive]$ bin/hive -f /opt/module/hive/datas/hivef.sql > /opt/module/datas/hive_result.txt

3.2 Hive其他命令操作

1）退出hive窗口：

hive(default)>exit;
hive(default)>quit;

在新版的hive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）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/molly

（2）查看. hivehistory文件

[atguig2u@hadoop102 ~]$ cat .hivehistory

3.3 Hive常见属性配置

3.3.1 hive窗口打印默认库和表头

1）打印 当前库 和 表头

在hive-site.xml中加入如下两个配置:

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

3.3.2 Hive运行日志信息配置

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

2）修改hive的log存放日志到/opt/module/hive/logs

（1）修改/opt/module/hive/conf/hive-log4j2.properties.template文件名称为

hive-log4j2.properties

[molly@hadoop102 conf]$ pwd
/opt/module/hive/conf
[molly@hadoop102 conf]$ mv hive-log4j2.properties.template hive-log4j2.properties

（2）在hive-log4j.properties文件中修改log存放位置

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

3.3.3 参数配置方式

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

默认配置文件：hive-default.xml

用户自定义配置文件：hive-site.xml

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

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

例如：

[molly@hadoop103 hive]$ bin/hive -hiveconf mapred.reduce.tasks=10;

注意：仅对本次hive启动有效

查看参数设置：

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

（3）参数声明方式

可以在HQL中使用SET关键字设定参数

例如：

hive (default)> set mapred.reduce.tasks=100;

注意：仅对本次hive启动有效。

查看参数设置

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

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。