Hive——简介&安装&相关部署

1. Hive 基本概念

1.1 什么是Hive？

• hive简介

  • Hive：由 Facebook 开源用于解决海量结构化日志的数据统计工具。
    • 结构化日志：具有高度组织和整齐格式化的日志，存储和排列很有规律
  • 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。

• Hive 本质

  • 将 HQL（类SQL语言） 转化成 MapReduce 程序

具体业务流程如下：

 准备工作：数据仓库通过SQL进行统计分析----》将SQL语言中常用的操作（select，where，group等）用MapReduce写成很多模板----》所有的MapReduce模板封装在Hive中------用户提交HQL之前Hive中就已经保存好模板

 任务提交：client----》用户根据业务需求编写相应的SQL语句----》所有的MapReduce模板封装在Hive中

    执行计算业务并返回结果：所有的MapReduce模板封装在Hive中----》通过Hive框架匹配出相应的MapReduce模板----》运行MapReduce程序，生成相应的分析结果----》result----》client

• （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

1.2Hive 的优缺点

HIve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。

Hive 缺点

• Hive 的 HQL 表达能力有限
  • 迭代式算法无法表达
  • 数据挖掘方面不擅长，由于 MapReduce 数据处理流程的限制，效率更高的算法却无法实现。
• Hive 的效率比较低
  • Hive 自动生成的 MapReduce 作业，通常情况下不够智能化
  • Hive 调优比较困难，粒度较粗

1.3 Hive 架构原理

架构解读：

• 1、用户接口：Client
  • CLI（command-line interface）、JDBC/ODBC(jdbc 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；
  • 默认存储在自带的 derby 数据库中，推荐使用 MySQL 存储 Metastore
• 3、 Hadoop
  • 使用 HDFS 进行存储，使用 MapReduce 进行计算.
• 4、驱动器：Driver
  • 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。
  • 编译器（Physical Plan）：将 AST 编译生成逻辑执行计划。
  • 优化器（Query Optimizer）：对逻辑执行计划进行优化。
  • 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。

HIve运行机制

    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。

1.4 Hive 和数据库比较

• 查询语言

  • 由于 SQL 被广泛的应用在数据仓库中，因此，专门针对 Hive 的特性设计了类 SQL 的查询语言 HQL。熟悉 SQL 开发的开发者可以很方便的使用 Hive 进行开发。

• 数据更新

  • 由于 Hive 是针对数据仓库应用设计的，而数据仓库的内容是读多写少的。因此，Hive中不建议对数据的改写，所有的数据都是在加载的时候确定好的。而数据库中的数据通常是需要经常进行修改的，因此可以使用 INSERT INTO … VALUES 添加数据，使用UPDATE … SET 修改数据。

• 执行延迟

  • Hive 在查询数据的时候，由于没有索引，需要扫描整个表，因此延迟较高。另外一个导致 Hive 执行延迟高的因素是 MapReduce 框架。由于 MapReduce 本身具有较高的延迟，因此在利用 MapReduce 执行 Hive 查询时，也会有较高的延迟。相对的，数据库的执行延迟较低。当然，这个低是有条件的，即数据规模较小，当数据规模大到超过数据库的处理能力的时候，Hive 的并行计算显然能体现出优势。

• 数据规模

  • 由于 Hive 建立在集群上并可以利用 MapReduce 进行并行计算，因此可以支持很大规模的数据；对应的，数据库可以支持的数据规模较小。

2. Hive 安装以及部署

2.1 Hive 安装地址

Hive 官网地址：http://hive.apache.org/

文档查看地址：https://cwiki.apache.org/confluence/display/Hive/GettingStarted

下载地址：http://archive.apache.org/dist/hive/

github 地址：https://github.com/apache/hive

2.2Hive 安装部署

2.2.1 安装 Hive

（1）把 apache-hive-3.1.2-bin.tar.gz 上传到 linux 的/opt/software 目录下------》直接拖拽即可
（2） 解压 apache-hive-3.1.2-bin.tar.gz 到/opt/module/目录下面

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-3.1.2

mv /opt/module/apache-hive-3.1.2-bin/ /opt/module/hive-3.1.2

（4） 修改/etc/profile.d/my_env.sh，添加环境变量

sudo vim /etc/profile.d/my_env.sh

修改内容如下：

#HIVE_HOME
export HIVE_HOME=/opt/module/hive
export PATH=$PATH:$HIVE_HOME/bin

（5） 解决日志 Jar 包冲突

 mv $HIVE_HOME/lib/log4j-slf4j-impl-2.10.0.jar $HIVE_HOME/lib/log4j-slf4j-impl-2.10.0.bak

（6）初始化元数据库

 bin/schematool -dbType derby -initSchema

2.2.2 启动并使用 Hive

（1） 启动 Hive

bin/hive

（2）使用 Hive

hive> show databases;
hive> show tables;
hive> create table test(id int);
hive> insert into test values(1);
hive> select * from test;

（3）在 CRT 窗口中开启另一个窗口开启 Hive，在**/tmp/lcl(用户名)** 目录下监控 hive.log 文件

    原因在于 Hive 默认使用的元数据库为 derby，开启 Hive 之后就会占用元数据库，且不与其他客户端共享数据，所以我们需要将 Hive 的元数据地址改为 MySQL。

安装MySQL的教程这里就不再描述了

---

2.3 Hive 元数据配置到 MySQL

• 拷贝驱动

 cp /opt/software/mysql-connector-java-5.1.37.jar $HIVE_HOME/lib

下载地址：
https://mvnrepository.com/search?q=mysql

（2） 配置 Metastore 到 MySQL

在$HIVE_HOME/conf 目录下新建 hive-site.xml 文件

<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>000000value>
property>
 
 <property>
	 <name>hive.metastore.schema.verificationname>
	 <value>falsevalue>
property>
 
 <property>
	 <name>hive.metastore.event.db.notification.api.authname>
	 <value>falsevalue>
 property>
 
 <property>
	<name>hive.metastore.warehouse.dirname>
	 <value>/user/hive/warehousevalue>
 property>
configuration>

（3）登录到MYSQL新建 Hive 元数据库

• mysql -uroot -p111111
  • mysql> create database metastore;
  • mysql> quit;

（4）初始化 Hive 元数据库

schematool -initSchema -dbType mysql -verbose