hive的安装与简单使用

hive安装

hive镜像：

http://mirror.bit.edu.cn/apache/hive/

https://mirrors.tuna.tsinghua.edu.cn/apache/hive/

1.解压、添加环境变量

把apache-hive-2.3.6-bin.tar.gz上传到linux的/opt/目录下，并解压。

[root@master opt]# tar -zxvf ./ apache-hive-2.3.6-bin.tar.gz    #解压文件到当前/opt目录

[root@master opt]# mv ./apache-hive-2.3.6-bin ./hive   #将文件夹名改为hive

 

添加环境变量：

[root@master opt]#  vi ~/.bash_profile

添加如下代码：

export HIVE_HOME=/opt/hive

export PATH=$HIVE_HOME/bin:$HIVE_HOME/sbin:$PATH

 

source ~/.bash_profile  #立即生效

2.修改配置文件

在/opt/hive/confg/目录下新建一个文件名称为 hive-site.xml。

[root@master conf]# vi ./hive-site.xml

内容如下：

  hive.metastore.warehouse.dir

  /user/hive/warehouse

 

    datanucleus.schema.autoCreateAll

    true

    creates necessary schema on a startup if one doesn't exist. set this to false, after creating it once

 

 

 

        hive.metastore.local

       false

       controls whether to connect to remove metastore server or open a new metastore server in Hive Client JVM

 

    javax.jdo.option.ConnectionURL

   jdbc:mysql://master:3306/hive?createDatebaseIfNotExist=true@amp;useSSL=false

    JDBC connect string for a JDBC metastore

 

    javax.jdo.option.ConnectionDriverName

    com.mysql.jdbc.Driver

    Driver class name for a JDBC metastore

  

 

    javax.jdo.option.ConnectionUserName

    root

    Username to use against metastore database

  

   javax.jdo.option.ConnectionPassword

   bigData@123

 

   hive.metastore.schema.verification

   false

 

 

        datanucleus.readOnlyDatastore

        false

   

   

        datanucleus.fixedDatastore

        false

   

 

    datanucleus.autoCreateSchema

    true

 

  datanucleus.autoCreateTables

  true

   datanucleus.autoCreateColumns

   true

 

3.配置hive-env.sh

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

[root@master conf]# vi hive-env.sh

添加如下内容：

HADOOP_HOME=/opt/hadoop   # 配置 HAOOP_HOME 目录
export HIVE_CONF_DIR=/opt/hive/conf  # 配置 Hive 配置目录信息

3.添加mysql驱动

使用 Xftp 复制 mysql-connector-java-5.1.46.jar JAVA 驱动包到 hive/lib下面

 

创建目录，与前面配置目录对应

[root@master conf]# hadoop fs -mkdir -p /user/hive/warehouse

 

4.启动hive

启动hadoop

cd $HADOOP_HOME

./start-all.sh

 

启动metastore服务：一般默认会自动该服务

[root@master ~]# hive --service metastore &

[1] 6286

 

启动hive客户端

hive

 

5.hive简单使用

以数据源chengdu.txt为例，数据如下：

大数据分析开发工程师|成都|8K-15K|3-5年|本科

双休大数据销售高提成|成都|8K-10K|3-5年|中专

无责3K+双休高提成+大数据|成都|6K-12K|不限|学历不限

大数据分析专员|成都|6.5K-12K|1-3年|大专

大数据高级工程师|成都-金牛区|10K-15K|3-5年|本科

高级Java工程师（架构、大数据)|成都-天府新区|25K-40K|3-5年|本科

大数据架构师|成都-高新区|20K-30K|5-10年|本科

大数据安全研发工程师|成都-高新区|15K-20K|1-3年|硕士

大数据软件开发工程师|成都-高新区|10K-15K|不限|本科

大数据架构师|成都-高新区|20K-30K|5-10年|本科

大数据开发工程师|成都-高新区|10K-15K|不限|学历不限

大数据工程师|成都-高新区|10K-15K|3-5年|本科

大数据架构师初级|成都-高新区|6K-10K|1-3年|本科

大数据架构师|成都-高新区|15K-25K|5-10年|本科

大数据架构师|成都|15K-25K|5-10年|本科

大数据架构师|成都|12K-22K|3-5年|本科  ……

1：创建表：与数据源字段对应

hive> create table tb_chengdu(

    > occupation string,

    > adress string,

    > salary string,

    > work_exp string,

    > education string

    > )row format delimited fields terminated by '|';      ##注意分割符

OK

Time taken: 1.784 seconds

hive>

 

hive> show tables;

OK

tb_chengdu

 

2：加载数据chengdu.tx

hive> load data local inpath '/opt/data/chengdu.txt' into table tb_chengdu;  ##数据在mater本地，并非hdfs上

Loading data to table default.tb_chengdu

OK

Time taken: 5.205 seconds

 

3：查询前五条大数据相关的职位、薪水、工作经验、学历等字段

hive> select occupation,salary,work_exp,education from tb_chengdu where occupation like '%大数据%' limit 5;

OK

大数据分析开发工程师         8K-15K      3-5年       本科

双休大数据销售高提成         8K-10K      3-5年       中专

无责3K+双休高提成+大数据        6K-12K      不限         学历不限

大数据分析专员     6.5K-12K  1-3年       大专

大数据高级工程师         10K-15K   3-5年       本科

Time taken: 4.175 seconds, Fetched: 5 row(s)

 

hive的使用说明

可以把结构化的数据文件映射成一张数据库表。

学生信息

张三|190908|男|大数据18-1

李四|190907|女|大数据18-1

 

元数据Hive Metasore

Metasore：就是Hive元数据集中存储的地方。

Hive默认用Derby数据库存储元数据，只能允许一个用户访问。用于测试。

使用mysql作为外置（远程）数据存储引擎。可以多用户同时访问。

 

其中常用类型如表1所示。

表1 常用数据类型

类型	名称	描述
基本类型	整型	分4个子类，分别是TINYINT、SMALLINT、INT、BIGINT 。常用的是INT
	浮点型	分FLOAT(单精度浮点数)和DOUBLE（双精度浮点数）
	布尔型	TRUE、FALSE
	小数	DECIMAL
	字符串	VARCHAR、CHAR、string
	日期和时间	DATE、Timestamp
	空值	NULL
复合类型	Arrays	数组
	Structs	包含多个键值对
	Maps	键值对

 

表类型

Hive的数据表分四类，分别是：内部表、外部表、分区表和桶表。每种表都有各自的特点，这里简要介绍如下：

(1) 内部表：由Hive自身管理，默认情况下创建的都是内部表。内部表数据存储位置默认存储在HDFS的/user/hive/warehouse路径下，可以通过由hive-site.xml文件中hive.metastore.warehouse.dir节点指定其它目录。当删除内部表时，相关元数据和HDFS上的数据也随之删除。

(2) 外部表：创建时需要指定external参数。外部表数据的存储位置由用户指定。删除外部表仅仅会删除元数据，HDFS上的文件并不会被删除。

(3) 分区表：根据分区字段和分区值在HDFS上创建数据分类目录。上传的数据会根据分类存放到不同的目录下。

(4) 桶表：指定数据分桶的个数，上传数据时根据键的hash值均匀的存到不同的桶中。分桶是将数据拆分成小块，存到各自的桶，分区是将数据分类存到各自的目录。

 

附件：

1：hive安装问题集

https://blog.csdn.net/l1028386804/article/details/51566262   ##无法初始化数据源的问题

https://blog.csdn.net/gaoganghua/article/details/80621670  ##数据库编码修改为labtin1