01-hive-入门基本概念：

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。

Hive 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

优缺点：

优点

（1）操作接口采用类 SQL 语法，快速上手。

（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。

缺点

1、Hive的HQL 表达能力有限

（1）迭代式算法无法表达（b依赖a的输出，sql中的多层嵌套）

（2）数据挖掘方面不擅长，由于 MapReduce 数据处理流程的限制，效率更高的算法无法实现。

2）Hive 的效率比较低

（1）Hive 自动生成的 MapReduce 作业，通常情况下不够智能化（hive能实现的hadoop一定可以，hadoop可以的hive不一样可以）

（2）Hive 调优比较困难，粒度较粗，需要从hadoop调优。

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）前端 –python 人工智能资料下载，可百度访问：尚硅谷官网

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，最后将结果输出到用户。

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)，可将 Hive 理解为数据库。从结构上看，Hive 和数据库除了拥有类似的查询语言，再无类似之处。

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，从应用角度理解 Hive 的特性。

1 查询语言 （hql类似sql，查询语言类似相同）

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 数据更新

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。

3 执行延迟（全数据扫描，mapreduce运行）

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。

4 数据规模 （hive数据量很大，数据库小规模）

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。

Hive安装

1）Hive官网地址

http://hive.apache.org/

2）文档查看地址

https://cwiki.apache.org/confluence/display/Hive/GettingStarted

3）下载地址

http://archive.apache.org/dist/hive/

4）github地址

https://github.com/apache/hive

mysql-5.7.28-1.el7.x86_64.rpm-bundle.tar等下载地址。

https://downloads.mysql.com/archives/community/

Hive 安装部署

1 安装 Hive

1） apache-hive-3.1.2-bin.tar.gz 上传到 linux

2）解压 apache-hive-3.1.2-bin.tar.gz 到/opt/module/目录下面

[root@hadoop102 software]# tar -zxvf apache-hive-3.1.2-bin.tar.gz -C /opt/module/

3）修改 apache-hive-3.1.2-bin.tar.gz 的名称为 hive

[root@hadoop102 module]# mv apache-hive-3.1.2-bin/ hive

4）修改/etc/profile.d/my_env.sh，添加环境变量

[root@hadoop102 module]#vim /etc/profile.d/my_env.sh 

5）添加内容

#HIVE_HOME
export HIVE_HOME=/opt/module/hive
export PATH=$PATH:$HIVE_HOME/bin

6）解决日志 Jar包冲突

[root@hadoop102 lib]# mv log4j-slf4j-impl-2.10.0.jar log4j-slf4j-impl-2.10.0.jar.bak
[root@hadoop102 lib]# pwd
/opt/module/hive/lib

7）初始化元数据库

[root@hadoop102 hive]# bin/schematool -dbType derby -initSchema

hive依赖hadoop以及yarn，先启动hadoop和yarn

http://192.168.1.103:8088/，http://192.168.1.102:9870/，http://192.168.1.102:19888/jobhistory，

启动hive

[root@hadoop102 hive]# bin/hive

默认hive日志位置/tmp/用户名/

[root@hadoop102 root]# pwd
/tmp/root
[root@hadoop102 root]# ll
总用量 12
-rw-r--r-- 1 root root 8378 7月  25 12:58 hive.log

使用基本测试：

hive> show databases;

hive> show tables;

hive> create table test(id int);

hive> insert into test values(1);

hive> select * from test;

http://192.168.1.102:9870/explorer.html#/user/hive/warehouse/test

3）在 CRT 窗口中开启另一个窗口开启 Hive，在/tmp/atguigu 目录下监控 hive.log 文件

Caused by: ERROR XSDB6: Another instance of Derby may have already booted 
the database /opt/module/hive/metastore_db.
 at 

原因在于 Hive 默认使用的元数据库为 derby，开启 Hive 之后就会占用元数据库，且不与其他客户端共享数据，所以我们需要将 Hive 的元数据地址改为 MySQL。

MySQL 安装

1）检查当前系统是否安装过MySQL

[root@hadoop102 hive]#rpm -qa|grep mariadb
[root@hadoop102 hive]#rpm -e --nodeps mariadb-libs

2)解压

[root@hadoop102 software]# tar -xvf mysql-5.7.28-1.el7.x86_64.rpm-bundle.tar -C /opt/module/mysql/

3）在安装目录下执行 rpm 安装

[root@hadoop102 mysql]# pwd
/opt/module/mysql
[root@hadoop102 mysql]#
rpm -ivh mysql-community-common-5.7.28-1.el7.x86_64.rpm
rpm -ivh mysql-community-libs-5.7.28-1.el7.x86_64.rpm
rpm -ivh --nodeps mysql-community-libs-compat-5.7.28-1.el7.x86_64.rpm
rpm -ivh --nodeps mysql-community-client-5.7.28-1.el7.x86_64.rpm
rpm -ivh mysql-community-server-5.7.28-1.el7.x86_64.rpm

注意:按照顺序依次执行

如果 Linux 是最小化安装的，在安装 mysql-community-server-5.7.28-1.el7.x86_64.rpm 时

可能会出现如下错误

通过 yum 安装缺少的依赖,然后重新安装 mysql-community-server-5.7.28-1.el7.x86_64 即可

[root@hadoop102 mysql] yum install -y libaio

5）删除/etc/my.cnf 文件中 datadir 指向的目录下的所有内容,如果有内容的情况下:

mysql配置信息查看

[root@hadoop102 mysql]# cat /etc/my.cnf

删除/var/lib/mysql 目录下的所有内容:

[root@hadoop102 mysql]# cd /var/lib/mysql

[root @hadoop102 mysql]# sudo rm -rf ./* //注意执行命令的位置

6）初始化数据库

[root @hadoop102 opt]$ mysqld --initialize --user=mysql

7）查看临时生成的 root 用户的密码

[root @hadoop102 opt]$ cat /var/log/mysqld.log

8）启动 MySQL 服务

[root @hadoop102 opt]$ systemctl start mysqld

9）登录 MySQL 数据库

[root @hadoop102 opt]$

Enter password: 输入临时生成的密码

yum install libncurses*

10）必须先修改 root 用户的密码,否则执行其他的操作会报错

mysql> set password = password(“000000”);
Query OK, 0 rows affected, 1 warning (0.00 sec)

mysql> quit;

11）修改 mysql 库下的 user 表中的 root 用户允许任意 ip 连接

mysql> update mysql.user set host=‘%’ where user=‘root’;

mysql> flush privileges;

Hive 元数据配置到 MySQL

1 拷贝驱动

将 MySQL 的 JDBC 驱动拷贝到 Hive 的 lib 目录下 (mysql-connector-java-5.1.27.tar.gz解压)

[root@hadoop102 hive]# cp /opt/software/mysql-connector-java-5.1.27-bin.jar ./lib/

cd hive/conf

在$HIVE_HOME/conf目录下新建 hive-site.xml 文件

[root@hadoop102 conf]# vim hive-site.xml

添加如下内容

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
	 <!-- jdbc 连接的 URL -->
	 <property>
		<name>javax.jdo.option.ConnectionURL</name>
		<value>jdbc:mysql://hadoop102:3306/metastore?useSSL=false</value>
	</property>
	 <!-- jdbc 连接的 Driver-->
	 <property>
		<name>javax.jdo.option.ConnectionDriverName</name>
		<value>com.mysql.jdbc.Driver</value>
	</property>
	<!-- jdbc 连接的 username-->
	 <property>
		<name>javax.jdo.option.ConnectionUserName</name>
		<value>root</value>
	 </property>
	 <!-- jdbc 连接的 password -->
	 <property>
		<name>javax.jdo.option.ConnectionPassword</name>
		<value>000000</value>//和自己mysql密码一致
	</property>
	 <!-- Hive 元数据存储版本的验证 -->
	 <property>
		<name>hive.metastore.schema.verification</name>
		<value>false</value>
	</property>
	 <!--元数据存储授权-->
	 <property>
		<name>hive.metastore.event.db.notification.api.auth</name>
		<value>false</value>
	 </property>
	 <!-- Hive 默认在 HDFS 的工作目录 -->
	 <property>
		<name>hive.metastore.warehouse.dir</name>
		<value>/user/hive/warehouse</value>
	 </property>
</configuration>

2）登陆 MySQL

[root@hadoop102 mysql]$ mysql -uroot -p

3）新建 Hive 元数据库

mysql> create database metastore;

mysql> quit;

4） 初始化 Hive 元数据库

[root@hadoop102 hive]$ bin/schematool -initSchema -dbType mysql -verbose

再次启动 Hive

1）启动 Hive

[root@hadoop102 hive]$ bin/hive

2）使用 Hive （create及创建元数据映射，映射和hdfs两者都有即可）

hive> show databases;

hive> show tables;

hive> create table test (id int);

hive> insert into test values(1);

hive> select * from test;

[root@hadoop102 hive]# touch id.txt
[root@hadoop102 hive]# vim id.txt
[root@hadoop102 hive]# hadoop fs -put id.txt /user/hive/warehouse/test

hive是按照hdfs存储路径以及表名去查找数据

3）在另一窗口中开启另一个窗口开启Hive；

hive> show databases;

hive> show tables;

hive> select * from test;

学习路径：https://space.bilibili.com/302417610/，如有侵权，请联系q进行删除：3623472230