大数据工程师、数据分析师利器：hive2.1.0新特性介绍及升级实战！
大数据工程师、数据分析师利器：hive2.1.0新特性介绍及升级实战！
一、缘起
hive官网（http://hive.apache.org/）在6月20日，，发布了Hive2.1.0版本，并宣称它是新时代大数据工程师、数据分析师的利器，Apache Hive 2.1新引入了6大性能，包括：
（1）LLAP。ApacheHive 2.0引入了LLAP（Live Long And Process），而2.1则对其进行了极大的优化，相比于ApacheHive 1，其性能提升约25倍；
（2）更鲁棒的SQL ACID支持；
（3）2X ETL性能提升。引入更智能的CBO（Cost Based Optimizer），更快的类型转换以及动态分区优化；
（4）支持存储过程。加大简化了从EDW迁移到Hive的流程。这是通过开源项目HPL/SQL（Apache开源协议，http://www.hplsql.org/）实现的，HPL/SQL的目的是为Apache Hive,SparkSQL, Impala 以及其他SQL-on-Hadoop实现,任何 NoSQL和 RDBMS增加存储过程的实现；
（5）对文本格式数据增加向量化计算的支持；
（6）引入新的诊断和监控工具，包括新的HiveServer2 UI，LLAPUI和改进的Tez UI。
在性能方面，据称，HIVE2.1性能提高约26倍。
二、深入
接下来详细介绍对ApacheHive 2.1性能提升至关重要的优化：LLAP。
LLAP是“Live Long and Process”的简写，它引入了分布式持久化查询服务，并结合经优化的数据缓存机制，可快速启动查询计算作业并避免无需的磁盘IO操作。简而言之，LLAP是下一代分布式计算架构，它能够智能地将数据缓存到多台机器内存中，并允许所有客户端共享这些缓存的数据，同时保留了弹性伸缩能力。
相比于Hive 1 + Tez，Hive2+ Tez+LLAP性能提升约26倍，测试结果如下图所示（测试结果是通过https://github.com/hortonworks/hive-testbench得到的）：
Hive2 LLAP的引入，标志着ApacheHive进入内存计算时代。总结起来，内存计算类型可分为以下三类：
其中，Type1已被Apachehadoop生态系统证明其性能不会太高，因而Hive直接进入Type2，目前对Type2中所有特性均支持地很好，包括分布式内存管理和优化，内存数据共享等。此外，ApacheHive正进一步优化性能，包括支持新型存储介质Flash，扩展LLAP能力，使其可以直接处理压缩数据而无需事先解压。
三、上手
1：下载文件
2：解压至指定目录
我这里hive的存放目录是/opt/bigdata/hive，并重命名为hive
tar -zxvf /home/thinkgamer/下载/apache-hive-2.1.0-bin.tar.gz -C /opt/bigdata/
mv apache-hive-2.1.0-bin/ hive
3：Mysql创建hive21用户
创建hive21用户，赋予权限，清除缓存
CREATE USER 'hive21' IDENTIFIED BY 'hive21';
grant all privileges on *.* to 'hive21' with grant option;
flush privileges;- 1
- 2
- 3
- 1
- 2
- 3
4：拷贝msyql jar包到hive/lib
cp /path/to/mysql-connector-Java-5.1.38-bin.jar hive/lib
5：修改配置文件
(1)：javax.jdo.option.ConnectionURL
<name>javax.jdo.option.ConnectionURLname>
<value>jdbc:mysql://localhost:3306/hive21?createDatabaseIfNotExist=true&useUnicode=true&characterEncoding=UTF-8value>
- 1
- 2
- 3
- 1
- 2
- 3
(2)：javax.jdo.option.ConnectionDriverName
javax.jdo.option.ConnectionDriverName
com.mysql.jdbc.Driver - 1
- 2
- 1
- 2
(3)：javax.jdo.option.ConnectionUserName
<name>javax.jdo.option.ConnectionUserNamename>
<value>hive21value> - 1
- 2
- 1
- 2
(4)：javax.jdo.option.ConnectionPassword
<name>javax.jdo.option.ConnectionPasswordname>
<value>hive21value>- 1
- 2
- 1
- 2
6：启动/测试
bin/hive
hive> show databases;
OK
default
Time taken: 1.123 seconds, Fetched: 1 row(s)
hive> create table table_name (
> id int,
> dtDontQuery string,
> name string
> );
OK
Time taken: 0.983 seconds
hive> show tables;
OK
table_name
Time taken: 0.094 seconds, Fetched: 1 row(s)- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
这个时候进入mysql数据库有一个hive21的数据库
mysql> show databases;
+--------------------+
| Database |
+--------------------+
| information_schema |
| hive |
| hive21 |
| mysql |
| performance_schema |
+--------------------+- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
7：踩过的坑
(1)：没有初始化hive元数据库
报错如下：
Caused by: MetaException(message:Hive metastore database is not initialized. Please use schematool (e.g. ./schematool -initSchema -dbType ...) to create the schema.
If needed, don't forget to include the option to auto-create the underlying database in your JDBC connection string (e.g. ?createDatabaseIfNotExist=true for mysql)) - 1
- 2
- 1
- 2
解决办法：
bin/schematool -initSchema -dbType mysql --verbose - 1
- 1
此问题解决时在网上查阅资料有人说这里要初始化derby数据库，个人认为这是不正确的，因为我们已经配置使用了mysql作为元数据库
(2)：未配置日志和缓存目录
报错如下：
Logging initialized using configuration in file:/opt/bigdata/hive/conf/hive-log4j2.properties Async: true
Exception in thread "main" java.lang.IllegalArgumentException: java.net.URISyntaxException: Relative path in absolute URI: ${system:java.io.tmpdir%7D/$%7Bsystem:user.name%7D
at org.apache.hadoop.fs.Path.initialize(Path.java:205)
at org.apache.hadoop.fs.Path.(Path.java:171)
at org.apache.hadoop.hive.ql.session.SessionState.createSessionDirs(SessionState.java:631)
at org.apache.hadoop.hive.ql.session.SessionState.start(SessionState.java:550)
at org.apache.hadoop.hive.ql.session.SessionState.beginStart(SessionState.java:518)
at org.apache.hadoop.hive.cli.CliDriver.run(CliDriver.java:705)
at org.apache.hadoop.hive.cli.CliDriver.main(CliDriver.java:641)
at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62)
at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
at java.lang.reflect.Method.invoke(Method.java:498)
at org.apache.hadoop.util.RunJar.run(RunJar.java:221)
at org.apache.hadoop.util.RunJar.main(RunJar.java:136)
Caused by: java.net.URISyntaxException: Relative path in absolute URI: ${system:java.io.tmpdir%7D/$%7Bsystem:user.name%7D
at java.net.URI.checkPath(URI.java:1823)
at java.net.URI.(URI.java:745)
at org.apache.hadoop.fs.Path.initialize(Path.java:202)
... 12 more - 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
解决办法：
修改 hive-site.xml 替换${system:java.io.tmpdir} 和 ${system:user.name}为/opt/bigdata/hive/tmp
四、总结反思
hive2.1 和hive1.2的简单比较
hive1.2
[master@master1 hive]$ bin/hive --service help
Usage ./hive --service serviceName
Service List: beeline cli help hiveburninclient hiveserver2 hiveserver hwi jar lineage metastore metatool orcfiledump rcfilecat schemaTool version
Parameters parsed:
--auxpath : Auxillary jars
--config : Hive configuration directory
--service : Starts specific service/component. cli is default
Parameters used:
HADOOP_HOME or HADOOP_PREFIX : Hadoop install directory
HIVE_OPT : Hive options
For help on a particular service:
./hive --service serviceName --help
Debug help: ./hive --debug --help - 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
hive2.1
root@thinkgamer-pc:/opt/bigdata/hive# bin/hive --service help
Usage ./hive --service serviceName - 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
我们可以看到在hive2.1中增加了对Hbase的支持，同时还增加了hplsql等等，这些都是hive2.1的新特性，这里介绍几个常用的
-
beeline：和hive1.2中beeline使用方法应该是一样的，至于性能方面的提升肯定是有的，beeline的使用，参考
http://blog.csdn.net/gamer_gyt/article/details/52062460 -
cleardanglingscratchdir：scratch directory（清楚缓存）
使用方法： bin/hive –service cleardanglingscratchdir -
hbaseimport/hbaseschematool：与Hbase进行交互
-
hiveserver2：提供一个JDBC接口，供外部程序操作hive
-
hplsql：一个工具，实现sql在Apache hive，sparkSql，以及其他基于Hadoop的sql，Nosql和关系数据库的使用
官方解释：
HPL/SQL (previously known as PL/HQL) is an open source tool (Apache License 2.0) that implements procedural SQL language for Apache Hive, SparkSQL as well as any other SQL-on-Hadoop implementations, NoSQL and RDBMS.
HPL/SQL language is compatible to a large extent with Oracle PL/SQL, ANSI/ISO SQL/PSM (IBM DB2, MySQL, Teradata i.e), PostgreSQL PL/pgSQL (Netezza), Transact-SQL (Microsoft SQL Server and Sybase) that allows you leveraging existing SQL/DWH skills and familiar approach to implement data warehouse solutions on Hadoop. It also facilitates migration of existing business logic to Hadoop.
HPL/SQL is an efficient way to implement ETL processes in Hadoop.- 1
- 2
- 3
- 4
- 5
- 1
- 2
- 3
- 4
- 5
- LLAP：也是hive2.1引入的新特性，大概就是提升hive2.1的执行时间，具体可参考：
http://zh.hortonworks.com/blog/llap-enables-sub-second-sql-hadoop/
下面附一张从网上看到的图片：
参考资料：
http://blog.csdn.net/Gamer_gyt/article/details/53002446
http://mp.weixin.qq.com/s?__biz=MjM5NzAyNTE0Ng==&mid=2649517151&idx=1&sn=4df5b43cdc9290b28150c4e8a5dc2320&chksm=bef8884a898f015cf8366afd3fb094e12306efdcf7e5c547743361bc7d8750f6f46ea583c573&mpshare=1&scene=1&srcid=1122P4mtzZ2Dyb08OngXOSU7#rd