Hive基本介绍及配置
www.jianshu.com
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
image.png
image.png
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
image.png
image.png
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 （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。
Hive安装部署 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/module/目录下面
（3）修改apache-hive-1.2.1-bin.tar.gz的名称为hive
（4）修改/opt/module/hive/conf目录下的hive-env.sh.template名称为hive-env.sh
(5）配置hive-env.sh文件 (a）配置HADOOP_HOME路径
（b）配置HIVE_CONF_DIR路径
2．Hadoop集群配置 （1）必须启动hdfs和yarn
（2）在HDFS上创建/tmp和/user/hive/warehouse两个目录并修改他们的同组权限可写
本地数据导入hive (1）删除已创建的表
hive> drop table xx;
（2）创建xx表, 并声明文件分隔符’\t’
hive> create table student(id int, name string) ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t';
（3）加载/opt/module/datas/student.txt 文件到student数据库表中。
hive> load data local inpath '/opt/module/datas/student.txt' into table student;
1．在/opt/software/mysql-libs目录下解压mysql-connector-java-5.1.27.tar.gz驱动包
2．拷贝/opt/software/mysql-libs/mysql-connector-java-5.1.27目录下的mysql-connector-java-5.1.27-bin.jar到/opt/module/hive/lib/
1．在/opt/module/hive/conf目录下创建一个hive-site.xml
2．根据官方文档配置参数，拷贝数据到hive-site.xml文件中
https://cwiki.apache.org/confluence/display/Hive/AdminManual+MetastoreAdmin
3.配置完毕后，如果启动hive异常，可以重新启动虚拟机。（重启后，别忘了启动hadoop集群）
1 启动hiveserver2服务
Beeline version 1.2.1 by Apache Hive beeline>
1)．“-e”不进入hive的交互窗口执行sql语句
2)．“-f”执行脚本中sql语句 （1）在/opt/module/datas目录下创建hivef.sql文件 [atguigu@hadoop102 datas]$ touch hivef.sql 文件中写入正确的sql语句 select *from student; （2）执行文件中的sql语句
（3）执行文件中的sql语句并将结果写入文件中
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
3．在hive cli命令窗口中如何查看本地文件系统
4．查看在hive中输入的所有历史命令 （1）进入到当前用户的根目录/root或/home/atguigu （2）查看. hivehistory文件
1）Default数据仓库的最原始位置是在hdfs上的：/user/hive/warehouse路径下。
2）在仓库目录下，没有对默认的数据库default创建文件夹。如果某张表属于default数据库，直接在数据仓库目录下创建一个文件夹。
3）修改default数据仓库原始位置（将hive-default.xml.template如下配置信息拷贝到hive-site.xml文件中）。
配置同组用户有执行权限
bin/hdfs dfs -chmod g+w /user/hive/warehouse
1）在hive-site.xml文件中添加如下配置信息，就可以实现显示当前数据库，以及查询表的头信息配置。
2）重新启动hive，对比配置前后差异。
image.png
image.png
1．Hive的log默认存放在/tmp/atguigu/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/opt/module/hive/conf/hive-log4j.properties.template文件名称为
hive-log4j.properties
（2）在hive-log4j.properties文件中修改log存放位置
1．查看当前所有的配置信息
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：
注意：仅对本次hive启动有效 查看参数设置：
（3）参数声明方式
可以在HQL中使用SET关键字设定参数 例如：
注意：仅对本次hive启动有效。 查看参数设置
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。