大数据笔记--Hive（第一篇）

目录

一、Hive

1、概述

2、Hive和数据库的比较

3、特点

①、优点

②、缺点

二、Hive的安装

1、概述

2、安装步骤

3、Hive运行日志

4、参数配置

---

一、Hive

1、概述

Hive原本时有Facebook公司开发后来贡献给了Apache的一套用于进行数据仓库管理的机制

Hive提供了类SQL（HQL，Hive QL）语句来管理HDFS上的大量数据，底层会将SQL转化为MapReduce来交给Hadoop YARN执行，因此，Hive的执行效率相对比较低，所以Hive适合于离线批处理场景。

2、Hive和数据库的比较

①、查询语言：数据库提供了标准的SQL语言，符合三范式的设计；Hive提供了类SQL语言，不完全符合SQL的规则。

②、数据存储位置：数据库往往是将数据落地到本地磁盘上，以文件形式来存储；Hive是将数据落地到HDFS上。

③、数据可靠：数据库如果不配置，那么往往是不可靠，即意味着单台服务器宕机，那么数据就会暂时丢失；Hive的数据基于HDFS来存储，HDFS支持多副本机制，那么也就意味着即使某一台服务器宕机也不会产生数据的丢失。

④、数据更新：数据库往往是实时捕获数据(例如注册、订单数据等都是实时产生的)，因此数据库中的数据会进行大量频繁的读写；Hive中存储的数据往往是历史数据，因此数据本身一般不会产生读写。

⑤、索引：数据库中一般会自动针对主键来建立主键索引，在使用过程中也可以针对其他字段来手动建立索引；由于Hive管理的数据量相对比较大，所以在建表的时候并不会扫描数据，因此不会自动建立索引。

⑥、执行引擎：数据库往往会提供自己的执行引擎；Hive是将SQL转化为MapReduce来执行，因此Hive是基于Hadoop YARN来执行的。

⑦、可扩展性：数据库要严格遵循ACID的定义，所以数据库的扩展能力较差(到目前为止，最大的数据库集群Oracle支持最多不超过100台服务器)；Hive是基于HDFS来存储，HDFS的集群规模就决定了Hive集群的扩展规模。

⑧、数据规模：数据库因为集群规模的限制，所以能存储GB级别的数据；Hive基于HDFS，因此能够轻松的存储上TB级别的数据甚至于PB级别。

3、特点

①、优点

提供了类SQL来进行操作，也就意味着Hive相对易于学习，易于推广。

Hive能够批量的处理数据，因此在大数据场景中更具有优势。

避免程序员去学习MapReduce的规则，在Hive底层会自动将SQL转化为MapReduce，降低了程序员的学习成本。

支持用户自定义函数，允许用户根据需求定义当前场景可以使用的函数。

②、缺点

Hive采用了类SQL语言，使得它本身的表达能力比较有限：当需求比较复杂的时候，此时SQL的写法可能比较复杂，甚至于SQL无法表达。

Hive的效率相对比较低：本身MapReduce的执行效率就不高，Hive还要将SQL转化为MapReduce，然后才能执行，所以就导致Hive的执行效率更低。

Hive不擅长做数据挖掘。

二、Hive的安装

1、概述

①、Hive是基于Hadoop来使用的(基于HDFS来存储，基于Hadoop YARN来执行)，所以Hive的版本要受Hadoop版本的影响

②、到目前为止，Hadoop2.X支持Hive1.X和Hive2.X版本，Hadoop3.X支持Hive3.X

③、Hive在安装过程中还需要改变元数据库

        在Hive中，同样需要建库建表，这个时候产生的库名、表名、字段名、分区名、分桶信息、函数、数据类型等信息都属于元数据，这些数据是用于描述Hive中数据的特点，统称为元数据。

        Hive的元数据是维系在关系型数据库中的(Hive管理的数据存储在HDFS上，Hive的元数据存储在数据库中)

        到目前为止，Hive1.X和Hive2.X的元数据库只支持两种：Derby和MySQL。Hive3.X的元数据库还支持Oracle等数据库。如果不指定，无论是Hive的哪一个版本，都默认使用Derby(微型，单连接)来作为元数据库，就意味着Hive每次都只能允许一个用户连接，因此需要更换Hive的元数据库

2、安装步骤

①、进入/home/software，下载或者上传Hive的安装包

cd /home/software/

rz上传本地包，我们用的版本apache-hive-3.1.2-bin.tar.gz

解压：        tar -xvf apache-hive-3.1.2-bin.tar.gz

重命名：    mv apache-hive-3.1.2-bin hive-3.1.2

    

②、配置环境变量

vim /etc/profile

在文件尾部添加

export HIVE_HOME=/home/software/hive-3.1.2
export PATH=$PATH:$HIVE_HOME/bin

保存退出，重新生效

source /etc/profile

测试是否配置正确

hive --version

③、解决连接池的jar冲突

 cd /home/software/hive-3.1.2/lib

rm -rf guava-19.0.jar

cp /home/software/hadoop-3.1.3/share/hadoop/common/lib/guava-27.0-jre.jar ./

④、解决日志打印的jar包冲突

mv log4j-slf4j-impl-2.10.0.jar log4j-slf4j-impl-2.10.0.bak

⑤、Centos7中自带了残缺的MySQL发行版mariadb，需要先卸载残缺的mariadb

rpm -qa | grep -i mariadb | xargs rpm -ev --nodeps

⑥、卸载其他的MySQL

rpm -qa | grep -i mysql | xargs rpm -ev --nodeps

⑦、删除MySQL卸载遗留的文件

find / -name mysql | xargs rm -rf

find / -name my.cnf | xargs rm -rf

cd /var/lib

rm -rf mysql

⑧、安装MySQL

下载或者上传MySQL的安装包

cd /home/software/

rz

解压MySQL的安装包

tar -xvf mysql-5.7.33-1.el7.x86_64.rpm-bundle.tar

安装MySQL，注意安装顺序，不能调换

rpm -ivh mysql-community-common-5.7.33-1.el7.x86_64.rpm

rpm -ivh mysql-community-libs-5.7.33-1.el7.x86_64.rpm

rpm -ivh mysql-community-devel-5.7.33-1.el7.x86_64.rpm

rpm -ivh mysql-community-libs-compat-5.7.33-1.el7.x86_64.rpm

rpm -ivh mysql-community-client-5.7.33-1.el7.x86_64.rpm

rpm -ivh mysql-community-server-5.7.33-1.el7.x86_64.rpm

⑨、启动MySQL

systemctl start mysqld

第一次安装MySQL的时候，会产生初始的密码，如果需要登录MySQL，那么首先需要去查看这个初始密码

grep 'temporary password' /var/log/mysqld.log

登录MySQL

mysql -u root -p

将初始密码输入

注意：在MySQL5.7中，密码策略相对比较复杂，要求密码中至少包含12个字符，必须包含至少1个小写字母，1个大写字母，1个数字以及1个特殊符号

更改MySQL的密码策略

set global validate_password_length=4;

set global validate_password_policy=0;

修改MySQL的密码

set password for 'root'@'localhost' = 'root';

配置MySQL的远程登录

grant all privileges on *.* to 'root'@'%' identified by 'root' with grant option;

flush privileges;

quit;

重启MySQL

systemctl restart mysqld

⑩、编辑Hive

cd /home/software/hive-3.1.2/conf

编辑文件：vim hive-site.xml

添加内容：

    hive.metastore.db.type
    mysql



javax.jdo.option.ConnectionURL
jdbc:mysql://hadoop01:3306/hive?useSSL=false



javax.jdo.option.ConnectionDriverName
com.mysql.jdbc.Driver



javax.jdo.option.ConnectionUserName
root



javax.jdo.option.ConnectionPassword
root



hive.metastore.warehouse.dir
/user/hive/warehouse



hive.metastore.schema.verification
false




hive.metastore.uris
thrift://hadoop01:9083



hive.server2.thrift.port
10000



hive.server2.thrift.bind.host
hadoop01



hive.metastore.event.db.notification.api.auth
false



datanucleus.schema.autoCreateAll
true

⑪、下载或上传MySQL的驱动jar包

cd ../lib

rz         mysql-connector-java-5.1.27.jar

 

 

⑫、修改Hadoop的配置

cd /home/software/hadoop-3.1.3/etc/hadoop/

vim mapred-site.xml

在文件中添加如下内容：

        yarn.app.mapreduce.am.env
        HADOOP_MAPRED_HOME=${HADOOP_HOME}


        mapreduce.map.env
        HADOOP_MAPRED_HOME=${HADOOP_HOME}


        mapreduce.reduce.env
        HADOOP_MAPRED_HOME=${HADOOP_HOME}

查看是否有初始化Hive元数据库的脚本：

cd /home/software/hive-3.1.2/scripts/metastore/upgrade/

查看是否有mysql/目录，如果没有mysql，需要上传或下载脚本 hive-mysql-tar.gz

tar -xvf hive-mysql-tar.gz

⑬、进入MySQL

mysql -u root -p

建立Hive的元数据库

create database hive;

退出数据库

quit;

⑭、初始化Hive的元数据库

schematool -initSchema -dbType mysql --verbose

启动Hadoop

start-all.sh 或者 start-dfs.sh start-yarn.sh

启动Hive的元数据服务

hive --service metastore &

启动hiveserver2服务

hive --service hiveserver2 &

 

新开窗口进入Hive的客户端

hive

3、Hive运行日志

①、Hive在运行过程中会产生运行日志，如果不指定，那么默认情况下，Hive的运行日志是放在/tmp/hive.log文件中

②、修改存放位置

进入Hive的配置文件目录

cd /home/software/hive-3.1.2/conf

复制文件

cp hive-log4j2.properties.template hive-log4j2.properties

编辑文件

vim hive-log4j2.properties

修改属性property.hive.log.dir

property.hive.log.dir = /home/software/hive-3.1.2/logs

启动Hive

hive --service hiveserver2 &

hive

4、参数配置

        可以在hive-site.xml文件中来配置Hive的运行参数，这种配置方式是永久有效的，并且对所有的会话都生效

        可以通过hive -hiveconf来配置Hive的运行参数，例如hive -hiveconf mapred.reduce.tasks=3;这种配置方式只在当前会话中生效，对其他会话不产生影响

        在Hive的命令窗口中，可以通过set方式来配置，例如set mapred.reduce.tasks=3;同样这种方式也是只在当前会话中生效，对其他会话不产生影响