大数据技术之Hive

初识Hive

一、Hive基本概念

1.1 什么是Hive

Hive：由Facebook开源用于解决海量结构化日志的数据统计。
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。
本质是：将HQL转化成MapReduce程序

• 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的优缺点

1.2.1优点

• 1）操作接口采用类SQL语法，提供快速开发的能力（简单、容易上手）
• 2）避免了去写MapReduce，减少开发人员的学习成本。
• 3）Hive的执行延迟比较高，因此Hive常用于数据分析，对实时性要求不高的场合；
• 4）Hive优势在于处理大数据，对于处理小数据没有优势，因为Hive的执行延迟比较高。
• 5）Hive支持用户自定义函数，用户可以根据自己的需求来实现自己的函数。

1.2.2缺点

1.2.2.1 Hive的HQL表达能力有限

• （1）迭代式算法无法表达
• （2）数据挖掘方面不擅长

1.2.2.2 Hive的效率比较低

• （1）Hive自动生成的MapReduce作业，通常情况下不够智能化.
• （2）Hive调优比较困难，粒度较粗.

1.3Hive的架构原理

如图中所示，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。

1）用户接口：Client

CLI（hive shell）、JDBC/ODBC(java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；Hive的元数据存放位置：

• derby （Hive内存的数据库，不能够多用户同时访问）
• 本地
• 存放在外部数据库

默认存储在自带的derby数据库中，推荐使用MySQL存储Metastore

3）Hadoop、HDFS、MapReduce

使用Hadoop生态圈中的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。

1.4Hive和的数据库比较

Hive与传统型数据库有什么区别？

由于 Hive 采用了类似SQL 的查询语言 HQL(Hive Query Language)，因此很容易将 Hive 理解为数据库。其实从结构上来看，Hive 和数据库除了拥有类似的查询语言，再无类似之处。本文将从多个方面来阐述 Hive 和数据库的差异。数据库可以用在 Online 的应用中，但是Hive 是为数据仓库而设计的，清楚这一点，有助于从应用角度理解 Hive 的特性。

查询语言	HQL	SQL
数据存储位置	HDFS	Local FS
数据格式	用户自定	系统决定
数据更新	hive(0.14) 后支持	支持
索引	无	有
执行	MapReduce	Executor
执行延迟	高	低
可扩展性	高	低
数据规模	大	小

二、Hive安装环境准备

2.1 Hive安装地址说明

• 1）Hive官网地址：点击此处跳转Hive官网地址
• 2）文档查看地址：点击此处跳转文档查看

2.2 Hive安装部署

2.2.1 Hive安装及配置

（1）把apache-hive-1.2.1-bin.tar.gz上传到linux的/opt/software目录下
（2）解压apache-hive-1.2.1-bin.tar.gz到/opt/software/目录下面

[root@hadoop software]$ tar -zxvf apache-hive-1.2.1-bin.tar.gz -C /opt/software/

（3）修改apache-hive-1.2.1-bin.tar.gz的名称为hive-1.2.1

[root@hadoop software]$ mv apache-hive-1.2.1-bin/ hive-1.2.1

（4）修改/opt/software/hive/conf目录下的hive-env.sh.template名称为hive-env.sh(怕出错的话可以复制一份)

[root@hadoop conf]$ mv hive-env.sh.template hive-env.sh

（5）配置hive-env.sh文件

2.2.2 Hadoop集群配置

（1）必须启动hdfs和yarn

[root@hadoop ~]# start-all.sh

2.2.3 Hive基本操作

（1）启动hive

	[root@hadoop hive]$ bin/hive

（2）查看数据库

	hive>show databases;

（3）打开默认数据库

	hive>use default;

（4）显示default数据库中的表

	hive>show tables;

（5）创建一张表

	hive> create table student( id int, name varchar(20),sex varchar(20) );

（6）显示数据库中有几张表

	hive>show tables;

（7）查看表的结构

hive>desc student

（8）向表中插入数据

hive> insert into student values(1,"zhangsan","man");

（9）查询表中数据

	hive> select * from student;

（10）退出hive

hive> quit;

2.3 将本地文件导入Hive案例

2.4 MySql安装

2.5 Hive元数据配置到MySql

2.6 Hive常用交互命令

2.7 Hive其他命令操作

三、Hive数据类型

–——————————由于时间问题今天就先写到这里，下篇博客继续。————————