Hive由 Facebook 开源用于解决海量结构化日志的数据统计工具。
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数据库表,并提供类SQL查询功能,可以将SQL语句转换为MapReduce任务进行运行。
当然,SQL语句也可以转换成Tez或Spark。
为什么需要Hive?
Hive架构体系
Driver组件
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/Tez。
MetaStore组件
用户接口
Hive的三种部署模式,主要按Metastore 的运行模式进行区分。
本文主要以Local模式进行演示,关系数据库将选用Mysql的一个分支版MariaDB。
本文以Hadoop2.7.7为例,可以参考教程:https://blog.csdn.net/tangyi2008/article/details/121908766
安装好Hadoop后,需要添加用户的代理配置:
vi $HADOOP_HOME/etc/hadoop/core-site.xml
添加如下配置项
<property>
<name>hadoop.proxyuser.xiaobai.hostsname>
<value>*value>
property>
<property>
<name>hadoop.proxyuser.xiaobai.groupsname>
<value>*value>
property>
注意,配置项中的xiaobai为ubuntu系统的用户名,如果不是该用户名,改为对应的配置项,比如你的用户名为zhangsan, 则选项为
hadoop.proxyuser.zhangsan.hosts
和hadoop.proxyuser.zhangsan.groups
MariaDB数据库是MySQL的一个分支,由MySQL的创始人Michael Widenius(英语:Michael Widenius)主导开发。开发该分支的原因之一是:甲骨文公司收购了MySQL后,有将MySQL闭源的潜在风险,因此社区采用分支的方式来避开这个风险。
MariaDB名称来自Michael Widenius的女儿Maria的名字。
使用如下命令查看MariaDB的安装情况
sudo dpkg -l | grep maria
如果没有打印任何内容,说明没有安装,否则,可根据需要决定是否需要卸载后重新安装
如果你想卸载掉以前安装的mariadb或者mysql,可以使用如下命令
sudo apt autoremove mysql-*
如果确定安装的是maria,可以使用如下命令卸载
sudo apt autoremove mariadb-*
可以使用如下命令进行便捷的安装,它会在你默认的源中安装
sudo apt update
sudo apt install mariadb-server
注意:可以在
https://downloads.mariadb.org/mariadb/repositories/
中去设定自己的操作系统及版本、需要安装的 MariaDB 版本、符合自己国家区域的仓库,以便更快速准确的安装所需要的版本。当设置好操作系统(18.04LTS)、MariaDB版本(10.6)和仓库(Alibaba Cloud)时,网页上会给出添加仓库的命令和安装的命令
添加Repository的命令
sudo apt-get install software-properties-common dirmngr apt-transport-https sudo apt-key adv --fetch-keys 'https://mariadb.org/mariadb_release_signing_key.asc' sudo add-apt-repository 'deb [arch=amd64,arm64,ppc64el] https://mirrors.aliyun.com/mariadb/repo/10.6/ubuntu bionic main'
更新源并安装MariaDB的命令
sudo apt update sudo apt install mariadb-server
完成安装,使用下面的命令检查MariaDB服务状态
sudo systemctl status mariadb
当看到如下界面,恭喜你,安装成功!!!
使用如下命令进行基本的配置:
sudo mysql_secure_installation
执行命令后,终端会有如下问题需要设定:
1.Enter current password for root (enter for none):
(预设的MariaDB没有密码,直接Enter即可)
2.Switch to unix_socket authentication [Y/n] n
(是否切换unix_socket安全认证,这里输入的n,即不切换)
3.Change the root password? [Y/n] y
(是否修改root账户的密码,输入的y,即会修改root密码
注意:
- root密码最好是复杂密码,否则可能会每次连接MariaDB时需要加sudo
- 在设置密码时,输入密码时是不会跳光标的
- 本文将密码设置成abc@@123
)
4.Remove anonymous users? [Y/n] y
(是否删除匿名用户,这里输入的是y,即删除匿名用户
默认情况下,MariaDB安装有匿名用户,允许任何人登录MariaDB而无需为其创建帐户,在生产环境中一定要删除
)
5.Disallow root login remotely? [Y/n] y
(是否允许远程登录root账户,否则只能在localhost上登录root账户,这里输入的y,即不允许远程登录root账户)
6.Remove test database and access to it? [Y/n] y
(是否删除test数据库,这里输入的y,即删除test数据库
默认情况下,MariaDB有一个test数据库,允许任何用户获取
)
7.Reload privilege tables now? [Y/n] y
(是否重新加载权限表,这里输入的y,即立即重新加载)
问题描述:在Ubuntu 18.04 版本中安装 MariaDB 后,每次访问MariaDB 需要加 sudo 才能访问。
原因:MariaDB 中 root 用户的密码强度不是强类型。
解决方案:将root账户的密码修改为强类型的密码,例如包含大小写字母、数字、符号的至少 8 位数。比如下面的命令将密码修改成abc@@123
SET PASSWORD = PASSWORD('abc@@123');
问题描述:不能使用服务器的ip地址连接数据库
原因:默认将ip绑定在了127.0.0.1
上,所以只能使用127.0.0.1
或者localhost
进行连接
解决方案:修改配置文件/etc/mysql/mariadb.conf.d/50-server.cnf
sudo vi /etc/mysql/mariadb.conf.d/50-server.cnf
修改[mysqld]
下的参数 bind-address = 127.0.0.1 => bind-address = 0.0.0.0
然后重启MariaDB service
sudo service mariadb restart
MariaDB/MySQL数据库读取配置文件的顺序如下:
“/etc/mysql/my.cnf” symlinks to this file, reason why all the rest is read.
“/etc/mysql/mariadb.cnf” (this file) to set global defaults,
“/etc/mysql/conf.d/*.cnf” to set global options.i
“/etc/mysql/mariadb.conf.d/*.cnf” to set MariaDB-only options.
“~/.my.cnf” to set user-specific options.
下载地址:https://dlcdn.apache.org/hive/, 本文下载版本为:apache-hive-2.3.9
录然也可以在windows上通过迅雷等加速软件下载好以后,再使用sftp工具上传到相应目录
cd ~/soft
wget https://dlcdn.apache.org/hive/hive-2.3.9/apache-hive-2.3.9-bin.tar.gz
tar -xvf apache-hive-2.3.9-bin.tar.gz -C ~/opt
cd ~/opt
ln -s apache-hive-2.3.9-bin/ hive
配置环境变量
vi ~/.bashrc
在末尾添加如下内容:
export HIVE_HOME=/home/xiaobai/opt/hive
export PATH=$HIVE_HOME/bin:$PATH
使配置生效
source ~/.bashrc
MySQL的连接驱动的下载页面:https://downloads.mysql.com/archives/c-j/
这里使用wget下载5.1.49版本的连接器:
cd ~/soft
wget https://cdn.mysql.com/archives/mysql-connector-java-5.1/mysql-connector-java-5.1.49.tar.gz
tar -xvf mysql-connector-java-5.1.49.tar.gz
cp mysql-connector-java-5.1.49/mysql-connector-java-5.1.49.jar ~/opt/hive/lib
当然也可以在windows上下载好相应的连接器,然后将其传入目录
$HIVE_HOME/lib
即可
配置文件:hive-site.xml
常用配置参数介绍:
属性名称 | 类型 | 默认值 | 描述 |
---|---|---|---|
hive.metastore.warehouse.dir | URI | /user/hive/warehouse | 相对于fs.defaultFS的目录,托管表就存储在这里 |
hive.metastore.uris | 逗号分隔的URI | 未设定 | 如果未设置(默认值),则使用当前的metastore,否则连接到由URI列表指定要连接的远程metastore服务器。如果有多个远程服务器,则客户端便以轮询方式连接 |
javax.jdo.option.ConnectionURL | URI | jdbc:derby:;databaseName=metastore_db;create=true | JDBC URL, mysql示例: jdbc:mysql://localhost:3306/hive?createDatabaseIfNotExist=true |
javax.jdo.option.ConnectionDriverName | String | org.apache.derby.jdbc.EmbeddedDriver | JDBC驱动器的类名 mysql示例: com.mysql.jdbc.Driver |
javax.jdo.option.ConnectionUserName | String | APP | JDBC用户名 |
javax.jdo.option.ConnectionPassword | String | mine | JDBC密码 |
打开hive-site.xml
vi ~/opt/hive/conf/hive-site.xml
添加如下内容
<configuration>
<property>
<name>javax.jdo.option.ConnectionURLname>
<value>jdbc:mysql://node1:3306/hive?useSSL=false&createDatabaseIfNotExist=truevalue>
property>
<property>
<name>javax.jdo.option.ConnectionDriverNamename>
<value>com.mysql.jdbc.Drivervalue>
property>
<property>
<name>javax.jdo.option.ConnectionUserNamename>
<value>hivevalue>
property>
<property>
<name>javax.jdo.option.ConnectionPasswordname>
<value>hive_pwdvalue>
property>
<property>
<name>hive.server2.thrift.portname>
<value>10000value>
property>
<property>
<name>hive.server2.thrift.bind.hostname>
<value>node1value>
property>
configuration>
特别注意:这里设置的数据库主机为node1, 需要解决数据库**远程不能访问**的问题
mysql -uroot -pabc@@123
grant all privileges on hive.* to 'hive'@'%' identified by 'hive_pwd';
schematool -dbType mysql -initSchema
#确保启动hdfs和yarn
start-dfs.sh
start-yarn.sh
#进入hive的CLI命令窗口,hive命令后不跟参数时,默认启动cli,即下面命令等价于hive
hive --service cli
使用beeline客户端,需要启动hiveserver2服务(HS2)
nohup hive --service hiveserver2 &
在启动一些后台守护进程时经常搭配使用
nohup
和&
:nohup <程序名> &
使用nohup运行程序
- 使用Ctrl + C发送SIGINT信号,程序关闭
- 关闭session发送SIGHUP信号,程序免疫
使用&后台运行
- 使用Ctrl + C发送SIGINT信号,程序免疫
- 关闭session发送SIGHUP信号,程序关闭
#启动beeline
beeline
#在交互界面输入连接信息:
!connect jdbc:hive2://node1:10000
#输入用户名和密码
#查看所有数据库
show databases;
也可以在beeline启动时就指定相应连接参数
beeline -u jdbc:hive2://node1:10000 -n xiaobai -p 123456
- -u: 连接的JDBC URL
- -n: 连接的用户名
- -p: 连接的密码
至此,大功告成!!!