Hive1.2.1安装和使用(基于Hadoop2.6.0)

安装hive，这里使用mysql作为hive的metastore; 
Ubuntu 15.10虚拟机中安装mysql方法请看： http://kevin12.iteye.com/admin/blogs/2280771  

Hadoop2.6.0集群安装： http://kevin12.iteye.com/blog/2273532  

1.查看spark 1.6.0版本支持hive的版本从0.12.0~1.2.1,这里选择hive的1.2.1版本。 


2.去官网下载apache-hive-1.2.1-bin.tar.gz，官网地址：http://hive.apache.org/downloads.html 
拷贝到master1虚拟机中的,执行命令解压到当前目录中，然后再移到/usr/local/hive目录中。 

 root@master1:/usr/local/tools# tar -zxvf apache-hive-1.2.1-bin.tar.gz
 root@master1:/usr/local/tools# mv apache-hive-1.2.1-bin/usr/local/hive/

配置hive的环境变量  
下面贴出我的~.bashrc环境变量配置： 

 export JAVA_HOME=/usr/local/jdk/jdk1.8.0_60
 export JRE_HOME=${JAVA_HOME}/jre
 export SCALA_HOME=/usr/local/scala/scala-2.10.4
 export HADOOP_HOME=/usr/local/hadoop/hadoop-2.6.0
 export HADOOP_CONF_DIR=${HADOOP_HOME}/etc/hadoop
 export HADOOP_COMMON_LIB_NATIVE_DIR=${HADOOP_HOME}/lib/native
 export HADOOP_OPTS="-Djava.library.path=${HADOOP_HOME}/lib"
 export SPARK_HOME=/usr/local/spark/spark-1.6.0-bin-hadoop2.6
 export ZOOKEEPER_HOME=/usr/local/zookeeper/zookeeper-3.4.6
 export HIVE_HOME=/usr/local/hive/apache-hive-1.2.1-bin
 export HIVE_CONF_DIR=${HIVE_HOME}/conf
 export CLASS_PATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib:${HIVE_HOME}/lib
 export PATH=.:${JAVA_HOME}/bin:${SCALA_HOME}/bin:${HADOOP_HOME}/bin:${HADOOP_HOME}/sbin:${SPARK_HOME}/bin:${ZOOKEEPER_HOME}/bin:${HIVE_HOME}/bin:$PATH

Hive的相关配置如下（红框内）： 



执行source ~/.bashrc 使配置生效！  

3.把mysql的jdbc驱动 mysql-connector-java-5.1.35-bin.jar拷贝到/usr/local/hive/apache-hive-1.2.1-bin/ 
msyql驱动下载文章结尾！  
4.将 hive-default.xml.template拷贝一份出来为hive-site.xml，并修改hive-site.xml文件中下面配置的值： 

 root@master1:/usr/local/hive/apache-hive-1.2.1-bin/conf# cp -a hive-default.xml.template hive-site.xml

   javax.jdo.option.ConnectionURL
   jdbc:mysql://master1:3306/hive?createDatabaseIfNotExist=true


   javax.jdo.option.ConnectionDriverName
   com.mysql.jdbc.Driver


   javax.jdo.option.ConnectionUserName
   root


   javax.jdo.option.ConnectionPassword
   admin


    hive.metastore.warehouse.dir
    /user/hive/warehouse
    location of default database for the warehouse


    hive.metastore.warehouse.dir
    /user/hive/warehouse
    location of default database for the warehouse


   hive.querylog.location
   /usr/local/hive/iotmp/
   Location of Hive run time structured log file


   hive.server2.logging.operation.log.location
   /usr/local/hive/iotmp/operation_logs
   Top level directory where operation logs are stored if logging functionality is enabled


   hive.exec.local.scratchdir
   /usr/local/hive/iotmp/
   Local scratch space for Hive jobs


   hive.downloaded.resources.dir
   /usr/local/hive/iotmp/${hive.session.id}_resources
   Temporary local directory for added resources in the remote file system.

5.配置hive-env.sh  
在最后添加下面的配置： 

 root@master1:/usr/local/hive/apache-hive-1.2.1-bin/conf# cp -a hive-env.sh.template hive-env.sh

export HIVE_HOME=/usr/local/hive/apache-hive-1.2.1-bin 
export HIVE_CONF_DIR=/usr/local/hive/apache-hive-1.2.1-bin/conf 


6.配置 hive-config.sh  
在最后面添加下面的配置： 

 root@master1:/usr/local/hive/apache-hive-1.2.1-bin/bin# vim hive-config.sh

export JAVA_HOME=/usr/local/jdk/jdk1.8.0_60 
export HADOOP_HOME=/usr/local/hadoop/hadoop-2.6.0 
export SPARK_HOME=/usr/local/spark/spark-1.6.0-bin-hadoop2.6 

注意：  
hadoop的版本是2.6.0，hive的版本是1.2.1，$HIVE_HOME/lib目录下的jline-2.12.jar比$HADOOP_HOME/share/hadoop/yarn/lib下的jline-0.9.94.jar版本高，版本不一致导致。 
拷贝hive中的jline-2.12.jar到$HADOOP_HOME/share/hadoop/yarn/lib下，并重启hadoop即可。 
root@master1:/usr/local/hadoop/hadoop-2.6.0/share/hadoop/yarn/lib# mv jline-0.9.94.jar jline-0.9.94.jar20160305 
root@master1:/usr/local/hadoop/hadoop-2.6.0/share/hadoop/yarn/lib# cp $HIVE_HOME/lib/jline-2.12.jar ./ 

7.启动hive  
首先要启动hadoop集群，并且保证mysql已经启动。 


5.练习使用hive  
Hive默认有一个Default的数据库，默认建表会建到该数据库中，表名不区分大小写。 
5.1.创建testdb数据库  

 hive> create database testdb;
 OK
 Time taken: 0.125 seconds
 hive> use testdb;
 OK
 Time taken: 0.068 seconds
 hive> show databases;
 OK
 default
 testdb
 Time taken: 0.026 seconds, Fetched: 2 row(s)
 hive> use testdb;
 OK
 Time taken: 0.059 seconds
 hive>

5.2创建内部表  
内部表特点：数据加载到内部表中是，如果数据在本地会在将本地数据拷贝一份到内部LOCATION指定的目录下，如果数据在hdfs上，则会将hdfs中的数据mv到内部表指定的LOCATION中。删除内部表时，会删除相应LOCATION下的数据。 

 hive> create table student(id int);
 OK
 Time taken: 0.113 seconds
 hive>

hive在hdfs中的默认位置是/user/hive/warehouse，该位置可以修改，是由配置文件hive-site.xml中属性hive.metastore.warehouse.dir决定的，会在/user/hive/warehouse/testdb.db下创建student目录。 
通过浏览器可以查看： 


5.3.加载数据到student表中 
在linux的/usr/local/hive目录下创建文件，文件名为student，里面包含一列数据可以用数字； 
 
第一种加载数据到student中  
注意：使用load加载数据到数据库中是不使用mapreduce的，而桶类型的表用insert要用到mapreduce。  

 hive> LOAD DATA LOCAL INPATH '/usr/local/hive/student' INTO TABLE student;
 Loading data to table testdb.student
 Table testdb.student stats: [numFiles=1, totalSize=11]
 OK
 Time taken: 1.717 seconds
 hive> select * from student;
 OK
 1
 2
 3
 5
 6
 NULL
 Time taken: 0.572 seconds, Fetched: 6 row(s)

使用select * 不加条件时，不执行MapReduce，执行比较快；最后一行显示的是null，原因是文件中有一行空格； 

第二种加载数据到student中的方法  
在/usr/local/hive/目录下创建student_1文件，并写入一列数字； 
执行命令hadoop fs -put /usr/local/hive/student_1 /user/hive/warehouse/testdb.db/student 
或者 hdfs dfs -put  /usr/local/hive/student_1 /user/hive/warehouse/testdb.db/student 
查看结果： 

 hive> select * from student where id is not null;
 OK
 1
 2
 3
 5
 6
 4
 7
 8
 9
 10
 11
 Time taken: 0.15 seconds, Fetched: 11 row(s)
 hive>

在浏览器中查看，会将数据放到/user/hive/warehouse/testdb.db/student目录下，如下图： 


6.创建表student2，有多个列的情况  
创建表，指定分隔符为\t 

 hive> CREATE TABLE student2(id int, name string) ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t';
 OK
 Time taken: 0.108 seconds

创建文件，第一列数字，第二列是string类型的，两列之间用\t分割； 
上传文件，执行命令

 hdfs dfs -put /usr/local/hive/student2 /user/hive/warehouse/testdb.db/student2

查看student2表中的内容： 

 hive> select * from student2;
 OK
 1    zhangsan
 2    lisi
 3    wangwu
 4    张飞
 5    孙悟空
 6    猪八戒
 Time taken: 0.111 seconds, Fetched: 6 row(s)

注意：内部表会将数据拷贝一份到表目录下面，如果删除内部表元数据，那么该元数据下面的数据也会被删除； 

7.创建分区表  
创建分区表student3,指定分区为d 

 hive> CREATE TABLE student3(id int) PARTITIONED BY (d int);
 OK
 Time taken: 0.134 seconds

创建数据 
 
加载数据到student3中，将student3_1加载到d=1的分区中，将student3_2加载到d=2的分区中。 
LOAD DATA LOCAL INPATH '/usr/local/hive/student3_1' INTO TABLE student3 PARTITION (d=1); 
LOAD DATA LOCAL INPATH '/usr/local/hive/student3_2' INTO TABLE student3 PARTITION (d=2); 

 
说明：第一列是数据，第二列是分区d; 

8. 桶表  
(表连接时候使用，根据桶的个数进行取模运算，将不同的数据放到不同的桶中) 
创建桶类型的表 
create table student4(id int) clustered by(id) into 4 buckets; 
必须启用桶表 
set hive.enforce.bucketing = true; 
插入数据，这里并没有使用load，而是用的insert，insert加载数据使用了mapreduce。 
insert into table student4 select id from student3; 

从执行过程中可以看出： 桶类型的表用insert要用到mapreduce。  

用浏览器查看,创建4个桶，所以生成了4个文件进行存储，分桶的是对4取膜，结果为0的放到了00000_0中，结果为1的放到00000_1中，依次类推； 

 

9.外部表  
外部表的特点是：删除表的时候，只删除表定义，不删除表内容。 
首先创建/user/hive/data目录，再将/usr/local/hive/student文件上传到/user/hive/data目录中。 

 root@master1:/usr/local/hive# hdfs dfs -mkdir /user/hive/data/
 16/03/05 19:36:07 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
 root@master1:/usr/local/hive# hdfs dfs -put student /user/hive/data
 16/03/05 19:37:10 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
 root@master1:/usr/local/hive#

创建外部表  
create external table student5(id int) location '/user/hive/data/'; 
说明：如果不指定location，默认的location是/user/hive/warehouse/student5（也即是hdfs://master1:9000/user/hive/warehouse/student6）  
 

查看浏览器，发现外部表创建后并没有在hdfs中产生目录 


登录到mysql数据库查看，发现外部表和内部表的LOCATION不一样了。 

select * from SDS; 
select * from TBLS; 
删除外部表student5查看hdfs上的数据是否被删除， 

 hive> drop table student5;
 OK
 Time taken: 0.105 seconds

再次查看mysql数据库，发现表结构已经删除，但是数据还是在hdfs上存在。 



10.外部分区表  
创建外部分区表 

 drop table if exists student6;
 create EXTERNAL TABLE IF NOT EXISTS student6(
 id int
 )
 PARTITIONED BY (d string);

 

将/usr/local/hive/student3_1和student3_2文件分别上传到/user/hive/warehouse/student6/d=1和/user/hive/warehouse/student6/d=2目录中； 


分别加载/user/hive/warehouse/student6/d=1和/user/hive/warehouse/student6/d=2中的数据到分区d=1和d=2中； 
ALTER TABLE student6 ADD PARTITION (d='1')LOCATION '/user/hive/warehouse/student6/d=1'; 


11.hive中的视图  
创建student6表的视图，并查询视图 
create view vw_student6(id) as select id from (select * from student6 where d=1 union all select * from student6 where d=2)a; 


其他Hive命令简单介绍 
limit命令：select * from t1 limit 3;只会查询出3条记录。 
order by 是对结果进行全排序，使用一个reducer，效率较差 
sort by 是对每个reducerjinx局部排序，不对整体结果排序，效率较高 
distribute by 指的是对mapper的输出按照指定字段，把数据传递到reducer端； 
cluster by 子句相当于sort by和distribute by一起操作。 
强转：使用函数CAST（id AS long）把id的类型强转为long类型。 

详细的可参考官网： http://hive.apache.org/