一文秒懂Hive的两个组件Hiveserver2和Metastore server访问元数据的关系？及Cli命令行和beeline的关系

Hive不是数据库，不是数据库，不是数据库！

一、Hive架构原理

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。

二、元数据用什么数据库存储？

1、默认是Derby数据库

Derby是一个完全用java编写的数据库,非常小巧，核心部分derby.jar只有2M，所以既可以做为单独的数据库服务器使用，也可以内嵌在应用程序中使用。其优缺点具体如下：

       1、Derby定位是小型数据库, 特别是嵌入式. 支持的数据库小于50GB, 对于小型网站, 事务不复杂的应用, 使用它的还是很不错的. 另外大型桌面应用也可以用它来保存配置和其他数据, 可以做到与文件格式无关, 因为都是访问数据库.

       2、功能： Derby支持标准SQL92, SQL1999, SQL2003, 支持临时表, 索引, 触发器, 视图, 存储过程, 外键, 约束, 并行, 事务, 加密与安全等. 只要有JDK(>=1.3), 就可以运行Derby.

       3、安全性：Derby的安全性也做得很到位, 包括用户鉴权和加密解密.

       4、性能：Derby的性能也是不错的.在插入100万条记录时, CPU的占用率一直低于40%, 平均每插一条记录耗时小于0.3毫秒. 这对于满足桌面应用程序是绰绰有余的. 但是比Oracle、MySql等专业数据库性能要低。

2、一般改用Mysql或者Oracle数据库（如何配置）

1）拷贝驱动 将MySQL的JDBC驱动拷贝到Hive的lib目录下 [user001@hadoop102 software]$ cp /opt/software/mysql-connector-java-5.1.37.jar $HIVE_HOME/lib 2） 配置Metastore到MySql 在$HIVE_HOME/conf目录下新建hive-site.xml文件 [atguigu@hadoop102 software]$ vim $HIVE_HOME/conf/hive-site.xml 添加如下内容                   javax.jdo.option.ConnectionURL         jdbc:mysql://hadoop102:3306/metastore?useSSL=false                     javax.jdo.option.ConnectionDriverName         com.mysql.jdbc.Driver                javax.jdo.option.ConnectionUserName         root                          javax.jdo.option.ConnectionPassword         123456                        hive.metastore.warehouse.dir         /user/hive/warehouse                             hive.server2.thrift.port         10000                       hive.server2.thrift.bind.host         hadoop102                     hive.metastore.uris         thrift://hadoop102:9083                        hive.metastore.event.db.notification.api.auth         false              hive.metastore.schema.verification         false       hive.server2.active.passive.ha.enable     true

三、Hiveserver2和Metastore server的关系

hiveServer2和metaStore其实都是hive本身带的组件，那么两者究竟有什么不同呢？

• metaStore：hive的metaStore提供的是一个服务，而这个服务就是将hive的元数据暴露出去，而不是需要通过对hive元数据库mysql的访问才能拿到hive的元数据信息;metastore服务实际上就是一种thrift服务，通过它我们可以获取到hive原数据，并且通过thrift获取原数据的方式，屏蔽了数据库访问需要驱动，url，用户名，密码等等细节
• hiveServer2: HiveServer2（HS2）是一个服务端接口，使远程客户端可以执行对Hive的查询并返回结果。目前基于Thrift RPC的实现是HiveServer的改进版本，并支持多客户端并发和身份验证, 启动hiveServer2服务后，就可以使用jdbc，odbc，或者thrift的方式连接

小结：

1.HiveServer2和MetaStore本质上都是Thrift Service，虽然可以启动在同一个进程内，但不建议这么做。建议是拆成不同的服务进程来启动。
 2.一般来讲，我们认为HiveServer2是用来提交查询的，也就是用来访问数据的。而MetaStore才是用来访问元数据的。
如果你把两者混了，起在同一个进程内，就会产生你的问题类的疑问。
 3.CliDriver是SQL本地直接编译，然后访问MetaStore，提交作业，是重客户端。
   BeeLine是把SQL提交给HiveServer2，由HiveServer2编译，然后访问MetaStore，提交作业，是轻客户端。
 4.具体写业务脚本两种都行，数据量大的话，建议用CliDriver

四、cli和beeline区别

1.cli是通过metaServer访问元数据的
2.beeline是通过hiverserver2访问元数据的

①bin/hive（cli命令行的方式访问元数据）  --访问--> metaStore server --访问-->MySQL

 ② bin/beeline（jdbc的方式访问元数据） --访问-->hiveServer2 --访问--> metaStore server --访问--> MySQL