【数据仓库与联机分析处理】数据仓库工具Hive

news2024/9/25 17:19:13

目录

一、Hive简介

（一）什么是Hive

（二）优缺点

（三）Hive架构原理

（四）Hive 和数据库比较

二、MySQL的安装配置

三、Hive的安装配置

1、下载安装包

2、解压并改名

3、配置环境变量

4、修改hive-env.sh文件

四、配置Hive元数据存储到MySQL

1、修改hive-site.xml文件

2、上传MySQL连接驱动

3、初始化Hive元数据库

4、验证元数据

一、Hive简介

（一）什么是Hive

        Hive是基于Hadoop的一个数据仓库工具，用来进行数据提取、转化、加载，这是一种可以存储、查询和分析存储在Hadoop中的大规模数据的机制。Hive数据仓库工具能将结构化的数据文件映射为一张数据库表，并提供SQL查询功能，能将SQL语句转变成MapReduce任务来执行。Hive的优点是学习成本低，可以通过类似SQL语句实现快速MapReduce统计，使MapReduce变得更加简单，而不必开发专门的MapReduce应用程序。Hive十分适合对数据仓库进行统计分析。

本质：将 HQL 转化成 MapReduce 程序

（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 

（二）优缺点

1、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。

2、缺点

（1）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。（2）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。

（三）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。

        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。 

（四）Hive 和数据库比较

        由于 Hive 采用了类似 SQL 的查询语言 HQL(Hive Query Language)，因此很容易将 Hive 理解为数据库。其实从结构上来看，Hive 和数据库除了拥有类似的查询语言，再无类似之处。将从多个方面来阐述 Hive 和数据库的差异。数据库可以用在 Online 的应用中，但是 Hive 是为数据仓库而设计的，清楚这一点，有助于从应用角度理解 Hive 的特性。

1、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。

2、数据存储位置
        Hive 是建立在 Hadoop 之上的，所有 Hive 的数据都是存储在 HDFS 中的。而数据库则可以将数据保存在块设备或者本地文件系统中。

3、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。

4、执行
        Hive 中大多数查询的执行是通过 Hadoop 提供的 MapReduce 来实现的。而数据库通常有自己的执行引擎。

5、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。

6、可扩展性
        由于 Hive 是建立在 Hadoop 之上的，因此 Hive 的可扩展性是和 Hadoop 的可扩展性是一致的（世界上最大的 Hadoop 集群在 Yahoo!，2009 年的规模在 4000 台节点左右）。而数据库由于 ACID 语义的严格限制，扩展行非常有限。目前最先进的并行数据库 Oracle 在理论上的扩展能力也只有 100 台左右。

7、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。

二、MySQL的安装配置

MySQL的安装配置可以参考我之前的博客：

在Linux系统中安装MySQL数据库-CSDN博客icon-default.png?t=N7T8https://blog.csdn.net/Morse_Chen/article/details/135154114

三、Hive的安装配置

1、下载安装包

下载地址：在Linux系统中安装MySQL数据库-CSDN博客icon-default.png?t=N7T8https://blog.csdn.net/Morse_Chen/article/details/135154114

​

将安装包apache-hive-3.1.3-bin.tar.gz上传到虚拟机“/usr/local/uploads”目录下。

2、解压并改名

[root@bigdata zhc]# cd /usr/local/uploads
[root@bigdata uploads]# tar -zxvf apache-hive-3.1.3-bin.tar.gz -C /usr/local
[root@bigdata uploads]# cd /usr/local
[root@bigdata local]# mv apache-hive-3.1.3-bin hive

3、配置环境变量

[root@bigdata local]# vi /etc/profile

在文件最后加入以下内容： 

export HIVE_HOME=/usr/local/hive
export PATH=$PATH:$HIVE_HOME/bin

​

使环境变量生效：

[root@bigdata local]# source /etc/profile

4、修改hive-env.sh文件

[root@bigdata local]# cd /usr/local/hive/conf
[root@bigdata conf]# cp hive-env.sh.template hive-env.sh

​

在文件中加入以下内容：

export JAVA_HOME=/usr/local/servers/jdk
export HADOOP_HOME=/usr/local/servers/hadoop
export HIVE_HOME=/usr/local/hive

​

四、配置Hive元数据存储到MySQL

1、修改hive-site.xml文件

如果没有这个文件，在conf目录新建。

[root@bigdata conf]# vi hive-site.xml

在文件中加入以下内容： 

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
  <property>
    <name>javax.jdo.option.ConnectionURL</name>
    <value>jdbc:mysql://192.168.191.200:3306/hive?createDatabaseIfNotExist=true&amp;useSSL=false</value>
    <description>JDBC connect string for a JDBC metastore</description>
  </property>

  <property>
    <name>javax.jdo.option.ConnectionDriverName</name>
    <value>com.mysql.jdbc.Driver</value>
    <description>Driver class name for a JDBC metastore</description>
  </property>

  <property>
    <name>javax.jdo.option.ConnectionUserName</name>
    <value>root</value>
    <description>username to use against metastore database</description>
  </property>

  <property>
    <name>javax.jdo.option.ConnectionPassword</name>
    <value>MYsql123!</value>
    <description>password to use against metastore database</description>
  </property>
</configuration>

​

此文件是为了配置Hive元数据存储到MySQL，希望将Hive元数据写入到MySQL的metastore数据库。

2、上传MySQL连接驱动

将mysql-connector-java-5.1.40-bin.jar复制到“/usr/local/hive/lib”目录下。

[root@bigdata conf]# cd /usr/local/uploads
[root@bigdata uploads]# cp mysql-connector-java-5.1.40-bin.jar /usr/local/hive/lib

​

3、初始化Hive元数据库

修改为采用MySQL存储元数据。（默认的是derby数据库）

[root@bigdata conf]# schematool -initSchema -dbType mysql

报如下错误：

​

原因是hadoop和hive的两个guava.jar版本不一致，两个jar位置分别位于下面两个目录：

/usr/local/hive/lib/guava-19.0.jar
/usr/local/servers/hadoop/share/hadoop/common/lib/guava-27.0-jre.jar

解决办法是删除低版本的那个，将高版本的复制到低版本目录下。

[root@bigdata lib]# cd /usr/local/hive/lib
[root@bigdata lib]# rm -f guava-19.0.jar
[root@bigdata lib]# cp /usr/local/servers/hadoop/share/hadoop/common/lib/guava-27.0-jre.jar .

若再次运行初始化命令，还有下面类似的报错：

​

这个是mysql中权限不够，添加权限如下：
（1）进入mysql数据库命令行
（2）设置root账号密码为MYsql123!可以访问用任何ip访问mysql服务器

mysql> grant all privileges on *.* to root@"%" identified by "MYsql123!";

这相当于是给IP-xxx.xxx.xxx.xxx赋予了所有的权限，包括远程访问权限，%百分号表示允许任何IP访问数据库。

（3）然后再输入 flush privileges;
（4）在Linux服务器上重启MySQL

​

再次运行初始化命令，出现如下结果则表示成功。

​

4、验证元数据

（1）启动Hadoop和MySQL服务

这里注意：启动hive之前，必须启动hdfs和yarn！

[root@bigdata zhc]# start-all.sh
[root@bigdata zhc]# systemctl start mysqld.service
[root@bigdata zhc]# systemctl status mysqld.service

​​

（2）启动Hive

[root@bigdata zhc]# cd /usr/local/hive
[root@bigdata hive]# bin/hive

​

（3）进入MySQL

[root@bigdata zhc]# mysql -u root -p

mysql> show databases;

这里看到多出了一个hive数据库： 

​

（4）查看元数据库hive

mysql> use hive;
mysql> show tables;

​​

查看到hive元数据库中的表格。

至此，配置Hive元数据存储到MySQL就成功了！

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/1364447.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

嵌入式培训机构四个月实训课程笔记（完整版）-Linux系统编程第三天-Linux进程练习题（物联技术666）

嵌入式培训机构四个月实训课程笔记（完整版）-Linux系统编程第三天-Linux进程练习题（物联技术666）

更多配套资料CSDN地址：点赞+关注，功德无量。更多配套资料，欢迎私信。 物联技术666_嵌入式C语言开发,嵌入式硬件,嵌入式培训笔记-CSDN博客物联技术666擅长嵌入式C语言开发,嵌入式硬件,嵌入式培训笔记,等方面的知识,物联技术666关注机器学习,arm开发,物联网,嵌入式硬件,单片机…
阅读更多...
React 中条件渲染的 N 种方法

React 中条件渲染的 N 种方法

本文作者系360奇舞团前端开发工程师 条件渲染在React开发中非常重要的功能&#xff0c;它允许开发人员根据条件控制渲染的内容&#xff0c;在创建动态和交互式用户界面方面发挥着至关重要的作用&#xff0c;本文总结了常用的的条件渲染方法。 1.If-else if-else是一种控制流程的…
阅读更多...
rime中州韵小狼毫 敏感词脱敏滤镜

rime中州韵小狼毫 敏感词脱敏滤镜

快速录入&#xff0c;是任何一个输入法&#xff0c;以及输入人员&#xff08;无论是否专业&#xff09;的追求目标之一。现实中&#xff0c;由于各种输入法在录入文本时&#xff0c;都无法完全避免重码的问题&#xff0c;所以在输入过程中都或多或少的需要进行选字/选词操作。这…
阅读更多...
OpenSource - 基于Netty的网络扩展库HServer

OpenSource - 基于Netty的网络扩展库HServer

文章目录 概述官网Hserver的理念特点原理图代码案例HelloWorld 概述 HServer是一个基于Netty开发网络扩展库.使用插件方式来扩展我们的业务 HServer提供 web,gateway,rpc 等插件 同时用户也可以自定义插件&#xff0c;来完成各种各样的业务场景。 官网 https://gitee.com/HSe…
阅读更多...
认识Git

认识Git

&#x1f30e;初识Git 初识Git 什么是Git Git的安装       Centos平台安装Git       Ubuntu平台安装Git Git的基本操作       创建远程仓库       配置Git 认识工作区、暂存区与版本库       添加文件到暂存区       将暂存区文件提交至本…
阅读更多...
JVM中对象的创建

JVM中对象的创建

一.JVM运行流程 JVM向操作系统申请内存&#xff0c;初始化运行时数据区&#xff0c;接下来装载使用的类&#xff0c;执行类里面相应方法的时候为当前虚拟机栈压入一个栈帧&#xff0c;方法执行完成后栈帧出栈&#xff0c;进行垃圾回收。 二.JVM中对象的创建过程 符号引用&…
阅读更多...
三维模型数据的几何坐标变换的点云重建并行计算技术方法分析

三维模型数据的几何坐标变换的点云重建并行计算技术方法分析

三维模型数据的几何坐标变换的点云重建并行计算技术方法分析 倾斜摄影三维模型数据的几何坐标变换与点云重建并行计算技术的探讨主要涉及以下几个方面&#xff1a; 1、坐标系定义与转换&#xff1a;在进行坐标变换前&#xff0c;需要确定各个参考系的定义并实现坐标系之间的转…
阅读更多...
区间预测 | Matlab实现CNN-LSTM-KDE的卷积长短期神经网络结合核密度估计多变量时序区间预测

区间预测 | Matlab实现CNN-LSTM-KDE的卷积长短期神经网络结合核密度估计多变量时序区间预测

区间预测 | Matlab实现CNN-LSTM-KDE的卷积长短期神经网络结合核密度估计多变量时序区间预测 目录 区间预测 | Matlab实现CNN-LSTM-KDE的卷积长短期神经网络结合核密度估计多变量时序区间预测效果一览基本介绍程序设计参考资料 效果一览 基本介绍 1.CNN-LSTM-KDE多变量时间序列区…
阅读更多...
WorkPlus AI助理为企业提供智能客服的机器人解决方案

WorkPlus AI助理为企业提供智能客服的机器人解决方案

在数字化时代&#xff0c;企业面临着客户服务的重要挑战。AI客服机器人成为了提升客户体验和提高工作效率的关键工具。作为一款优秀的AI助理&#xff0c;WorkPlus AI助理以其智能化的特点和卓越的功能&#xff0c;为企业提供了全新的客服机器人解决方案。 为什么选择WorkPlus A…
阅读更多...
Proteus 各版本安装指南

Proteus 各版本安装指南

Proteus下载链接 https://pan.baidu.com/s/1vHgg8jK9KSHdxSU9SDy4vQ?pwd0531 1.鼠标右击【Proteus8.15(64bit&#xff09;】压缩包&#xff08;win11及以上系统需先点击“显示更多选项”&#xff09;【解压到Proteus8.15(64bit&#xff09; 】。 2.打开解压后的文件夹&#…
阅读更多...
Java最大优先队列设计与实现

Java最大优先队列设计与实现

Java 学习面试指南&#xff1a;https://javaxiaobear.cn 1、API设计 类名MaxPriorityQueue构造方法MaxPriorityQueue(int capacity)&#xff1a;创建容量为capacity的MaxPriorityQueue对象成员方法private boolean less(int i,int j)&#xff1a;判断堆中索引i处的元素是否小…
阅读更多...
CSS基础笔记-04cascade-specificity-inheritance

CSS基础笔记-04cascade-specificity-inheritance

CSS基础笔记系列 《CSS基础笔记-01CSS概述》《CSS基础笔记-02动画》CSS基础笔记-03选择器 前言 Cascading Style Sheets&#xff0c;关键就在于这个cascading&#xff0c;对于这个术语理解&#xff0c;感觉对于我这种CSS新手有点儿不太friendly。本文记录下我对这个术语的理…
阅读更多...
Java大数据hadoop2.9.2搭建伪分布式yarn资源管理器

Java大数据hadoop2.9.2搭建伪分布式yarn资源管理器

1、修改配置文件 cd /usr/local/hadoop/etc/hadoop cp ./mapred-site.xml.template ./mapred-site.xml vi mapred-site.xml <configuration><property><name>mapreduce.framework.name</name><value>yarn</value></property> &l…
阅读更多...
1_工程设计模式-简单工厂设计

1_工程设计模式-简单工厂设计

工程设计模式 一.简单工程设计模式 1.概念 简单工厂模式( Simple Factory Pattern )是指由一个工厂对象决定创建出哪一种产品类的实例。 但它不属于 GOF 23 种设计模式。简单工厂适用于工厂类负责创建的对象较少的场景&#xff0c;且客户端只需要传入工厂类的参数&#xff…
阅读更多...
Java SE面试

Java SE面试

1.什么是 Java&#xff1f; Java 是一门面向对象的编程语言&#xff0c;不仅吸收了 C语言的各种优点&#xff0c;还摒弃了 C里难以理解的多继承、指针等概念&#xff0c;因此 Java 语言具有功能强大和简单易用两个特征。Java 语言作为静态面向对象编程语言的优秀代表&#xff…
阅读更多...
微信小程序 引导地址授权 获取位置信息 uniapp

微信小程序 引导地址授权 获取位置信息 uniapp

概述 获取位置信息&#xff0c;需要保证是否授权位置信息&#xff0c;有几个条件是导致无法授权的原因 &#xff08;1&#xff09;微信应用未授权定位设置 &#xff08;2&#xff09;首次进入小程序未授权位置信息 &#xff08;3&#xff09;小程序之前阻止过授权位置信息 &…
阅读更多...
深入理解堆（Heap）：一个强大的数据结构

深入理解堆（Heap）：一个强大的数据结构

. 个人主页&#xff1a;晓风飞 专栏&#xff1a;数据结构|Linux|C语言 路漫漫其修远兮&#xff0c;吾将上下而求索 文章目录 前言堆的实现基本操作结构体定义初始化堆&#xff08;HeapInit&#xff09;销毁堆&#xff08;HeapDestroy&#xff09; 重要函数交换函数&#xff08;…
阅读更多...
Mybatis简易搭建并查询数据库表内所有数据

Mybatis简易搭建并查询数据库表内所有数据

搭建步骤 1.在mysql中创建user表&#xff0c;添加数据2.创建maven模块&#xff0c;导入坐标3.在资源文件夹中导入需要用到的logback.xml4.编写MyBatis 核心配置文件->替换连接信息 解决硬编码问题5.编写 SQL映射文件->统一管理sgl语句&#xff0c;解决硬编码问题6.编码定…
阅读更多...
Mybatis实现增删改查的两种方式-配置文件/注解

Mybatis实现增删改查的两种方式-配置文件/注解

环境准备 1.数据库表tb_brand -- 删除tb_brand表 drop table if exists tb_brand; -- 创建tb_brand表 create table tb_brand(-- id 主键id int primary key auto_increment,-- 品牌名称brand_name varchar(20),-- 企业名称company_name varchar(20),-- 排序字段ordered int…
阅读更多...
阿里巴巴微服务治理框架的终极PK！

阿里巴巴微服务治理框架的终极PK！

另外我的新书RocketMQ消息中间件实战派上下册&#xff0c;在京东已经上架啦&#xff0c;目前都是5折&#xff0c;非常的实惠。 https://item.jd.com/14337086.html​编辑https://item.jd.com/14337086.html “RocketMQ消息中间件实战派上下册”是我既“Spring Cloud Alibaba微…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023