Hive个人笔记
一.Hive的基本概念
一.什么是Hive
Hive是基于hadoop的一个数据仓库工具,将结构化的数据文件映射为一张表,并提供类SQL查询功能.
数据仓库的内容是读多写少,hive中不建议对数据进行改写,所有的数据都是在加载的时候确定好的.
二.Hive和MapReduce的关系(mr是一款计算引擎,hdfs是一款容器)
1.Hive封装很多的mr模板,代替了写mr
2.Hive执行程序运行在yarn上
3.Hive处理的数据存储在hdfs上
三.Hive的优缺点
1.优点
(1)操作接口采用类sql语法,提供快速开发的能力
(2)上手简单 支持用户自定义函数,完成用户自定义要求
2.缺点
(1)Hive的HQL表达能力有限
①hive自动生成mr作业,不够智能
②不擅长数据挖掘,由于mr数据处理流程的限制,效率更高的算法无法实现
(2)Hive机翻,粒度较粗,调优困难,mr的缺点
(3)Hive不支持实时查询和行级更新
①Hive分析的数据是存储在hdfs
四.Hive架构
1.用户接口:Client jdbc
2.元数据:Metastore 描述数据的数据
3.hadoop:使用HDFS进行存储，使用MapReduce进行计算
4.Driver
(1)sql解析器:判断sql语法是否正确(字段,库,表......)
(2)编译器:将写好的sql指定执行计划
(3)优化器:将制定好的执行计划进行优化
(4)执行器:找mr模板执行sql
五.Hive和数据库的比较
1.查询语言:HQL 和 SQL
2.数据更新:数据仓库的内容读多写少,hive不建议对数据进行改写;数据库要频繁进行改写
3.执行延迟:Hive没有索引,需要扫描整个表,且依托于MapReduce,延时较高;数据库延迟较低
4.数据规模:Hive建立在集群上,并可以利用MapReduce进行并行计算,支持大规模的数据;数据库数据规模较小
六.Hive的参数配置的四种方式
hive-default.xml 此配置文件官方不支持改动
hive-site.xml
hive -hiveconf
hive中set
二.Hive的安装
2.1.Hive安装地址
1）Hive官网地址
http:
2）文档查看地址
https:
3）下载地址
http:
4）github地址
https:
2.2.MySQL安装
1）检查当前系统是否安装过Mysql
[louieliu@hadoop102 ~]$ rpm -qa|grep mariadb
mariadb-libs-5.5.56-2.el7.x86_64
[louieliu @hadoop102 ~]$ sudo rpm -e
2）将MySQL安装包拷贝到/opt/software目录下
[louieliu @hadoop102 software]
总用量 528384
-rw-r
3）解压MySQL安装包
[louieliu @hadoop102 software]
[louieliu @hadoop102 software]
4）在安装目录下执行rpm安装
[louieliu @hadoop102 software]$ sudo rpm -ivh mysql-community-common-5.7.28-1.el7.x86_64.rpm
[louieliu @hadoop102 software]$ sudo rpm -ivh mysql-community-libs-5.7.28-1.el7.x86_64.rpm
[louieliu @hadoop102 software]$ sudo rpm -ivh mysql-community-libs-compat-5.7.28-1.el7.x86_64.rpm
[louieliu @hadoop102 software]$ sudo rpm -ivh mysql-community-client-5.7.28-1.el7.x86_64.rpm
[louieliu @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
[louieliu@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.
[louieliu@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：
cat /etc/my.cnf
[mysqld]
datadir=/var/lib/mysql
删除/var/lib/mysql目录下的所有内容:
[louieliu @hadoop102 mysql]
[louieliu @hadoop102 mysql]
6）初始化数据库
[louieliu @hadoop102 opt]$ sudo mysqld
7）查看临时生成的root用户的密码
[louieliu @hadoop102 opt]$ sudo cat /var/log/mysqld.log
注意:此命令执行后root@localhost:后面的部分为密码
8）启动MySQL服务
[louieliu @hadoop102 opt]$ sudo systemctl start mysqld
[louieliu @hadoop102 opt]$ sudo systemctl status mysqld 查看mysql服务的状态
9）登录MySQL数据库
[louieliu @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("123456");
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
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
[louieliu@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
[louieliu@hadoop102 software]$ mv /opt/module/apache-hive-3.1.2-bin/ /opt/module/hive
4）修改/etc/profile.d/my_env.sh，添加环境变量
[louieliu@hadoop102 software]$ sudo vim /etc/profile
5）添加内容
export HIVE_HOME=/opt/module/hive
export PATH=$PATH:$HIVE_HOME/bin
[louieliu@hadoop102 bin]$ source /etc/profile
6）解决日志Jar包冲突
[louieliu@hadoop102 software]$ mv $HIVE_HOME/lib/log4j-slf4j-impl-2.10.0.jar $HIVE_HOME/lib/log4j-slf4j-impl-2.10.0.bak
2.4.Hive元数据配置到MySQL
2.4.1 拷贝驱动
将MySQL的JDBC驱动考到Hive的lib目录下
[louieliu@hadoop102 software]$ cp /opt/software/mysql-connector-java-5.1.37.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
[louieliu@hadoop102 conf]$ vim hive-site.xml
添加如下内容
<configuration>
<property>
<name>javax.jdo.option.ConnectionURLname>
<value>jdbc:mysql://hadoop102:3306/metastore?useSSL=falsevalue>
property>
<property>
<name>javax.jdo.option.ConnectionDriverNamename>
<value>com.mysql.jdbc.Drivervalue>
property>
<property>
<name>javax.jdo.option.ConnectionUserNamename>
<value>rootvalue>
property>
<property>
<name>javax.jdo.option.ConnectionPasswordname>
<value>123456value>
property>
<property>
<name>hive.metastore.warehouse.dirname>
<value>/user/hive/warehousevalue>
property>
<property>
<name>hive.server2.thrift.portname>
<value>10000value>
property>
<property>
<name>hive.server2.thrift.bind.hostname>
<value>hadoop102value>
property>
<property>
<name>hive.metastore.urisname>
<value>thrift://hadoop102:9083value>
property>
<property>
<name>hive.metastore.event.db.notification.api.authname>
<value>falsevalue>
property>
<property>
<name>hive.metastore.schema.verificationname>
<value>falsevalue>
property>
<property>
<name>hive.server2.active.passive.ha.enablename>
<value>truevalue>
property>
configuration>
2.5. 安装Tez引擎
Tez是一个Hive的运行引擎,性能优于MR.
Tez可以将多个有依赖的作业转换为一个作业，这样只需写一次HDFS，且中间节点较少，从而大大提升作业的计算性能。
1）将tez安装包拷贝到集群，并解压tar包
[louieliu@hadoop102 software]$ mkdir -p /opt/module/tez
[louieliu@hadoop102 software]$ tar -zxvf /opt/software/tez-0.10.1-SNAPSHOT-minimal.tar.gz -C /opt/module/tez
2）上传tez依赖到HDFS
[louieliu@hadoop102 software]$ hadoop fs -mkdir /tez
[louieliu@hadoop102 software]$ hadoop fs -put /opt/software/tez-0.10.1-SNAPSHOT.tar.gz /tez
3）新建tez-site.xml
[louieliu@hadoop102 software]$ vim $HADOOP_HOME/etc/hadoop/tez-site.xml
添加如下内容：
<configuration>
<property>
<name>tez.lib.urisname>
<value>${fs.defaultFS}/tez/tez-0.10.1-SNAPSHOT.tar.gzvalue>
property>
<property>
<name>tez.use.cluster.hadoop-libsname>
<value>truevalue>
property>
<property>
<name>tez.am.resource.memory.mbname>
<value>1024value>
property>
<property>
<name>tez.am.resource.cpu.vcoresname>
<value>1value>
property>
<property>
<name>tez.container.max.java.heap.fractionname>
<value>0.4value>
property>
<property>
<name>tez.task.resource.memory.mbname>
<value>1024value>
property>
<property>
<name>tez.task.resource.cpu.vcoresname>
<value>1value>
property>
configuration>
4）修改Hadoop环境变量
[louieliu@hadoop102 software]$ vim $HADOOP_HOME/etc/hadoop/shellprofile.d/tez.sh
添加Tez的Jar包相关信息
hadoop_add_profile tez
function _tez_hadoop_classpath
{
hadoop_add_classpath "$HADOOP_HOME/etc/hadoop" after
hadoop_add_classpath "/opt/module/tez/*" after
hadoop_add_classpath "/opt/module/tez/lib/*" after
}
5）修改Hive的计算引擎
[louieliu@hadoop102 software]$ vim $HIVE_HOME/conf/hive-site.xml
添加
<property>
<name>hive.execution.enginename>
<value>tezvalue>
property>
<property>
<name>hive.tez.container.sizename>
<value>1024value>
property>
6）如果更换Tez引擎后，执行任务卡住，可以尝试调节容量调度器的资源调度策略
将$HADOOP_HOME/etc/hadoop/capacity-scheduler.xml文件中的
<property>
<name>yarn.scheduler.capacity.maximum-am-resource-percentname>
<value>0.1value>
<description>
Maximum percent of resources in the cluster which can be used to run
application masters i.e. controls number of concurrent running
applications.
description>
property>
改成
<property>
<name>yarn.scheduler.capacity.maximum-am-resource-percentname>
<value>1value>
<description>
Maximum percent of resources in the cluster which can be used to run
application masters i.e. controls number of concurrent running
applications.
description>
property>
7）JVM堆内存溢出（tez 需要的内存比较大,并且会对虚拟内存有个校验）
解决：在yarn-site.xml中加入如下代码
<property>
<name>yarn.nodemanager.vmem-check-enabledname>
<value>falsevalue>
property>
8）解决日志Jar包冲突
[louieliu@hadoop102 software]$ rm /opt/module/tez/lib/slf4j-log4j12-1.7.10.jar
2.6. 启动Hive
2.6.1 初始化元数据库
1）登陆MySQL
[louieliu@hadoop102 software]$ mysql -uroot -p123456
2）新建Hive元数据库
mysql> create database metastore;
mysql> quit;
3）初始化Hive元数据库
[louieliu@hadoop102 software]$ schematool -initSchema -dbType mysql -verbose
2.6.2 启动metastore和hiveserver2
1）Hive 2.x以上版本，要先启动这两个服务，否则会报错：
FAILED: HiveException java.lang.RuntimeException: Unable to instantiate org.apache.hadoop.hive.ql.metadata.SessionHiveMetaStoreClient
（1）启动metastore
[louieliu@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
（2）启动 hiveserver2
[louieliu@hadoop202 hive]$ hive --service hiveserver2
which: no hbase in (/usr/local/bin:/usr/bin:/usr/local/sbin:/usr/sbin:/opt/module/jdk1.8.0_212/bin:/opt/module/hadoop-3.1.3/bin:/opt/module/hadoop-3.1.3/sbin:/opt/module/hive/bin:/home/louieliu/.local/bin:/home/louieliu/bin)
2020-04-24 17:00:19: Starting HiveServer2
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
2）编写hive服务启动脚本
（1）前台启动的方式导致需要打开多个shell窗口，可以使用如下方式后台方式启动
nohup: 放在命令开头，表示不挂起,也就是关闭终端进程也继续保持运行状态
2>&1 : 将错误重新定向到标准输出上(/dev/null扔到黑洞里面)
&: 放在命令结尾,表示后台运行
一般会组合使用: nohup [xxx命令操作]> file 2>&1 & ， 表示将xxx命令运行的
结果输出到file中，并保持命令启动的进程在后台运行。
如上命令不要求掌握。
[louieliu@hadoop102 hive]$ nohup hive --service metastore>log.txt 2>&1 &
[louieliu@hadoop102 hive]$ nohup hive --service hiveserver2>log2.txt 2>&1 &
（2）为了方便使用，可以直接编写脚本来管理服务的启动和关闭
[louieliu@hadoop102 hive]$ vim $HIVE_HOME/bin/hiveservices.sh
内容如下：此脚本的编写不要求掌握。直接拿来使用即可。
#!/bin/bash
HIVE_LOG_DIR=$HIVE_HOME/logs
if [ ! -d $HIVE_LOG_DIR ]
then
mkdir -p $HIVE_LOG_DIR
fi
#检查进程是否运行正常，参数1为进程名，参数2为进程端口
function check_process()
{
pid=$(ps -ef 2>/dev/null | grep -v grep | grep -i $1 | awk '{print $2}')
ppid=$(netstat -nltp 2>/dev/null | grep $2 | awk '{print $7}' | cut -d '/' -f 1)
echo $pid
[[ "$pid" =~ "$ppid" ]] && [ "$ppid" ] && return 0 || return 1
}
function hive_start()
{
metapid=$(check_process HiveMetastore 9083)
cmd="nohup hive --service metastore >$HIVE_LOG_DIR/metastore.log 2>&1 &"
cmd=$cmd" sleep 4; hdfs dfsadmin -safemode wait >/dev/null 2>&1"
[ -z "$metapid" ] && eval $cmd || echo "Metastroe服务已启动"
server2pid=$(check_process HiveServer2 10000)
cmd="nohup hive --service hiveserver2 >$HIVE_LOG_DIR/hiveServer2.log 2>&1 &"
[ -z "$server2pid" ] && eval $cmd || echo "HiveServer2服务已启动"
}
function hive_stop()
{
metapid=$(check_process HiveMetastore 9083)
[ "$metapid" ] && kill $metapid || echo "Metastore服务未启动"
server2pid=$(check_process HiveServer2 10000)
[ "$server2pid" ] && kill $server2pid || echo "HiveServer2服务未启动"
}
case $1 in
"start")
hive_start
;;
"stop")
hive_stop
;;
"restart")
hive_stop
sleep 2
hive_start
;;
"status")
check_process HiveMetastore 9083 >/dev/null && echo "Metastore服务运行正常" || echo "Metastore服务运行异常"
check_process HiveServer2 10000 >/dev/null && echo "HiveServer2服务运行正常" || echo "HiveServer2服务运行异常"
;;
*)
echo Invalid Args!
echo 'Usage: '$(basename $0)' start|stop|restart|status'
;;
esac
3）添加执行权限
[louieliu@hadoop102 hive]$ chmod +x $HIVE_HOME/bin/hiveservices.sh
4）启动Hive后台服务(需要先启动hadoop)
[louieliu@hadoop102 hive]$ hiveservices.sh start
2.6.3 HiveJDBC访问
1）启动beeline客户端
[louieliu@hadoop102 hive]$ bin/beeline -u jdbc:hive2://hadoop102:10000 -n louieliu
2）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>
退出: !quit
2.6.4 Hive访问
1）启动hive客户端
[louieliu@hadoop102 hive]$ bin/hive
2）看到如下界面
which: no hbase in (/usr/local/bin:/usr/bin:/usr/local/sbin:/usr/sbin:/opt/module/jdk1.8.0_212/bin:/opt/module/hadoop-3.1.3/bin:/opt/module/hadoop-3.1.3/sbin:/opt/module/hive/bin:/home/louieliu/.local/bin:/home/louieliu/bin)
Hive Session ID = 36f90830-2d91-469d-8823-9ee62b6d0c26
Logging initialized using configuration in jar:file:/opt/module/hive/lib/hive-common-3.1.2.jar!/hive-log4j2.properties Async: true
Hive Session ID = 14f96e4e-7009-4926-bb62-035be9178b02
hive>
3）打印 当前库 和 表头
在/opt/module/hive/conf/hive-site.xml中加入如下两个配置:
<property>
<name>hive.cli.print.headername>
<value>truevalue>
<description>Whether to print the names of the columns in query output.description>
property>
<property>
<name>hive.cli.print.current.dbname>
<value>truevalue>
<description>Whether to include the current database in the Hive prompt.description>
property>
2.7 Hive常用交互命令
[louieliu@hadoop102 hive]$ bin/hive -help
usage: hive
-d,--define Variable subsitution to apply to hive
commands. e.g. -d A=B or --define A=B
--database <databasename> Specify the database to use
-e <quoted-query-string> SQL from command line
-f <filename> SQL from files
-H,--help Print help information
--hiveconf Use value for given property
--hivevar Variable subsitution to apply to hive
commands. e.g. --hivevar A=B
-i <filename> Initialization SQL file
-S,--silent Silent mode in interactive shell
-v,--verbose Verbose mode (echo executed SQL to the console)
0）在hive命令行里创建一个表student，并插入1条数据
hive (default)> create table student(id int,name string);
OK
Time taken: 1.291 seconds
hive (default)> insert into student values(1,"zhangsan");
hive (default)> select * from student;
OK
student.id student.name
1 zhangsan
Time taken: 0.144 seconds, Fetched: 1 row(s)
1）“-e”不进入hive的交互窗口执行sql语句
[louieliu@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
[louieliu@hadoop102 datas]$ vim 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
[louieliu@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
[louieliu@hadoop102 hive]$ bin/hive -f /opt/module/hive/datas/hivef.sql > /opt/module/datas/hive_result.txt
2.8 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）进入到当前用户的家目录/root或/home/louieliu
（2）查看. hivehistory文件，注意quit以后，此文件才会写入quit之前提交的命令。
[louieliu@hadoop102 ~]$ cat .hivehistory
4）查看在beeline中输入的所有历史命令
（1）进入到当前用户的家目录/root或/home/louieliu
（2）查看.beeline/history文件，注意quit以后，此文件才会写入quit之前提交的命令。
[louieliu@hadoop102 ~]$ cat .beeline/history
2.9 Hive常见属性配置
2.9.1 Hive运行日志信息配置
1）Hive的log默认存放在/tmp/louieliu/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$HIVE_HOME/conf/hive-log4j.properties.template文件名称为
hive-log4j.properties
[louieliu@hadoop102 conf]$ pwd
/opt/module/hive/conf
[louieliu@hadoop102 conf]$ mv hive-log4j.properties.template hive-log4j.properties
（2）在hive-log4j.properties文件中修改log存放位置
hive.log.dir=/opt/module/hive/logs
2.9.2 Hive启动jvm堆内存设置
新版本的hive启动的时候，默认申请的jvm堆内存大小为256M，jvm堆内存申请的太小，导致后期开启本地模式，执行复杂的sql时经常会报错：java.lang.OutOfMemoryError: Java heap space，因此最好提前调整一下HADOOP_HEAPSIZE这个参数。
（1）修改$HIVE_HOME/conf下的hive-env.sh.template为hive-env.sh
[louieliu@hadoop102 conf]$ pwd
/opt/module/hive/conf
[louieliu@hadoop102 conf]$ mv hive-env.sh.template hive-env.sh
将hive-env.sh其中的参数 export HADOOP_HEAPSIZE=1024的注释放开，重启hive : 执行hiveservices.sh restart。
2.9.3参数配置方式
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：
[louieliu@hadoop103 hive]$ bin/hive -hiveconf hive.execution.engine=tez;
或者
[louieliu@hadoop103 hive]$ bin/beeline -u jdbc:hive2://hadoop102:10000 -n louieliu -hiveconf hive.execution.engine=tez;
注意：仅对本次hive启动有效
查看参数设置：
hive (default)> set hive.execution.engine;
（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 hive.execution.engine=tez;
注意：仅对本次hive启动有效。
查看参数设置
hive (default)> set hive.execution.engine;
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。
