Hive基本概念入门与安装部署,使用(简单清晰,一目了然!)

        在经过几天MapReduce的学习之后,我们总算是来到了Hive阶段。本篇博客小菌将为大家带来Hadoop组件之——Hive的介绍!

    首先在开始之前,再让我们通过一张熟悉的图片来回顾一下Hadoop生态系统的组成部分!

        我们可以清楚地看到,Hive的图案是一只长着大象脑袋的蜜蜂!为什么是长着大象的脑袋?小菌在这里为大家留下一个悬念,答案就在图里~~接下来我们正式进入Hive的学习!!!

文章目录

Hive基本概念

1.1、Hive简介

什么是Hive

        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数据库表，并提供类SQL查询功能（HQL）。

        其本质是将SQL转换为MapReduce的任务进行运算，底层由HDFS来提供数据的存储，hive可以理解为一个将SQL转换为MapReduce的任务的工具。

为什么使用Hive

        ​直接使用Hadoop所面临的问题:​

• 人员学习成本太高
• 项目周期要求太短
• MapReduce实现复杂查询逻辑开发难度太大

        为什么要使用Hive:

• 操作接口采用类SQL语法，提供快速开发的能力。
• 避免了去写MapReduce，减少开发人员的学习成本。
  功能扩展很方便。

Hive的特点

• ​可拓展 Hive可以自由的扩展集群的规模，一般情况下不需要重启服务。

• ​延展性 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。

• ​容错性 良好的容错性，节点出现问题SQL仍可完成执行。

1.2、 Hive架构

​架构图​

​基本组成​

• ​用户接口: 包括CLI、JDBC/ODBC、WebGUI。其中，CLI(command line interface)为shell命令行；JDBC/ODBC是Hive的JAVA实现，与传统数据库JDBC类似；WebGUI是通过浏览器访问Hive。

• ​元数据存储: 通常是存储在关系数据库如mysql/derby中。Hive 将元数据存储在数据库中。Hive 中的元数据包括表的名字，表的列和分区及其属性，表的属性（是否为外部表等），表的数据所在目录等。

• ​解释器、编译器、优化器、执行器: 完成HQL 查询语句从词法分析、语法分析、编译、优化以及查询计划的生成。生成的查询计划存储在HDFS 中，并在随后有MapReduce 调用执行。

1.3、 Hive与Hadoop的关系

        Hive利用HDFS存储数据，利用MapReduce查询分析数据

1.4、Hive与传统数据库对比

​hive用于海量数据的离线数据分析​

1. 数据格式。​Hive中没有定义专门的数据格式​，数据格式可以由用户指定，用户定义数据格式需要指定三个属性：列分隔符（通常为空格、”\t”、”\x001″）、行分隔符（”\n”）以及读取文件数据的方法（Hive 中默认有三个文件格式 TextFile，SequenceFile 以及 RCFile）。

2. Hive在加载数据的过程中，​不需要从用户数据格式到 Hive 定义的数据格式的转换。

3. Hive 在加载的过程中​不会对数据本身进行任何修改，甚至不会对数据进行扫描​。而只是将数据内容复制或者移动到相应的 HDFS 目录中。

4. Hive 中不支持对数据的改写和添加，所有的数据都是在加载的时候中确定好的。

5. Hive 在加载数据的过程中​不会对数据中的某些 Key 建立索引​。Hive 要访问数据中满足条件的特定值时，需要暴力扫描整个数据，因此访问延迟较高。由于数据的访问延迟较高，决定了​Hive 不适合在线数据查询。

6. 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。

总结:
​hive具有sql数据库的外表，但应用场景完全不同，hive只适合用来做批量数据统计分析​

1.5、Hive的数据存储

1、Hive中所有的数据都存储在 HDFS 中，没有专门的数据存储格式（可支持Text，SequenceFile，ParquetFile，ORC格式RCFILE等）

2、只需要在创建表的时候告诉 Hive 数据中的列分隔符和行分隔符，Hive 就可以解析数据。

3、Hive 中包含以下数据模型：DB、Table，External Table，Partition，Bucket。

• db：在hdfs中表现为${hive.metastore.warehouse.dir}目录下一个文件夹
• table：在hdfs中表现所属db目录下一个文件夹
• external table：与table类似，不过其数据存放位置可以在任意指定路径
• partition：在hdfs中表现为table目录下的子目录
• bucket：在hdfs中表现为同一个表目录下根据hash散列之后的多个文件

1.6、HIVE的安装部署

        我们在此处选择第一台机器作为我们hive的安装机器。

友情提示:

        Hive的功能基于MapReduce和HDFS，所以在保证Hive能正常运行的​前提​是MapReduce和HDFS能正常使用!

1.6.1 安装

1.6.1.1、derby版hive直接使用：

​1、解压hive​

​​cd /export/softwares​​

​​tar -zxvf hive-1.1.0-cdh5.14.0.tar.gz -C ../servers/​​

​2、直接启动 bin/hive​

cd ../servers/
cd hive-1.1.0-cdh5.14.0/
bin/hive
hive> create database mytest;

        当我们在一台节点上的Hive上创建了一个数据库,跑到其他节点上发现不存在!说明每个节点上的数据不统一!

​缺点​：多个地方安装hive后，每一个hive是拥有一套自己的元数据，大家的库、表就不统一；

        因为用这种方式hive的元数据无法统一,所以这种方式基本就"没用"了!因此,我们需要换下面一种方式实现各节点的数据共享!!!

1.6.1.2、使用mysql共享hive元数据:

​mysql数据库的安装​

1. 在线安装mysql相关的软件包

yum  install  mysql  mysql-server  mysql-devel

2. 启动mysql的服务

/etc/init.d/mysqld start
chkconfig mysqld on

3. 进入mysql的客户端然后进行授权

use mysql;

配置远程连接

grant all privileges on *.* to 'root'@'%' identified by '123456' with grant option;

刷新

​​flush privileges;​​

4. 设置root用户连接mysql的用户名密码

update user set password=password('123456') where user='root';

刷新

​​flush privileges;​​

​修改hive的配置文件​

• 修改hive-env.sh

添加我们的hadoop的环境变量：

cd  /export/servers/hive-1.1.0-cdh5.14.0/conf
cp hive-env.sh.template hive-env.sh
vim hive-env.sh

修改的文件中具体位置如下:

HADOOP_HOME=/export/servers/hadoop-2.6.0-cdh5.14.0
#Hive Configuration Directory can be controlled by:
export HIVE_CONF_DIR=/export/servers/hive-1.1.0-cdh5.14.0/conf

• 修改hive-site.xml

cd /export/servers/hive-1.1.0-cdh5.14.0/conf
vim hive-site.xml

<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
        <property>
                <name>javax.jdo.option.ConnectionURL</name>
                <value>jdbc:mysql://node01:3306/hive?createDatabaseIfNotExist=true</value>
        </property>

        <property>
                <name>javax.jdo.option.ConnectionDriverName</name>
                <value>com.mysql.jdbc.Driver</value>
        </property>
        <property>
                <name>javax.jdo.option.ConnectionUserName</name>
                <value>root</value>
        </property>
        <property>
                <name>javax.jdo.option.ConnectionPassword</name>
                <value>123456</value>
        </property>
        <property>
                <name>hive.cli.print.current.db</name>
                <value>true</value>
        </property>
        <property>
                <name>hive.cli.print.header</name>
                <value>true</value>
        </property>
        <property>
                <name>hive.server2.thrift.bind.host</name>
                <value>node01</value>
        </property>
<!--
        <property>
                <name>hive.metastore.uris</name>
                <value>thrift://node03.hadoop.com:9083</value>
        </property>
-->
</configuration>

        配置文件中node01为该节点的主机别名,如若不同请自行修改!

​上传mysql的lib驱动包​

        接着最重要的一步，就是将mysql的lib驱动包上传到hive的lib目录下

cd /export/servers/hive-1.1.0-cdh5.14.0/lib

        将mysql-connector-java-5.1.38.jar 上传到这个目录下

        成功之后,效果展示:

        本次的分享就到这里了,喜欢的小伙伴们不要忘了点赞关注小菌,后续小菌将会分享更多的Hive教程,敬请期待ヾ(๑╹◡╹)ﾉ"