hive简介(一)

2022-01-18

字数统计: 7.4k字 | 阅读时长≈ 34分

涓涓不塞，是为江河；源源不断，是为奋斗；生生不息，是为中国。——人民日报

blog: www.xubatian.cn

Hive入门

做数据分析用的,因为Hive里面不存数据. hive底层是MapReduce

什么是Hive

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

blog: www.xubatian.cn

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

Hive的优缺点

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。

缺点

1．Hive的HQL表达能力有限

1 2	（1）迭代式算法无法表达(就是原始数据经过运算得到一个数据结果传给下一个在计算以此类推.这就是迭代) （2）数据挖掘方面不擅长

2．Hive的效率比较低(以为他通过HQL自动匹配模板,所以模板不能随便修改)

1 2	（1）Hive自动生成的MapReduce作业，通常情况下不够自主化（2）Hive调优比较困难，粒度较粗(因为他封装了,所以调优比较困难)

Hive架构原理

blog: www.xubatian.cn

1．用户接口：Client

1	CLI（hive shell）、JDBC/ODBC(java访问hive)、WEBUI（浏览器访问hive）

2．元数据：Metastore

1
2

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

1	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。

blog: www.xubatian.cn

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。

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。本文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。

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

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。

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。

索引

Hive在加载数据的过程中不会对数据进行任何处理，甚至不会对数据进行扫描，因此也没有对数据中的某些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 MapReduce 的引入， Hive 可以并行访问数据，因此即使没有索引，对于大数据量的访问，Hive 仍然可以体现出优势。数据库中，通常会针对一个或者几个列建立索引，因此对于少量的特定条件的数据的访问，数据库可以有很高的效率，较低的延迟。由于数据的访问延迟较高，决定了 Hive 不适合在线数据查询。

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。

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。

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。

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。

Hive安装

Hive安装地址

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

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

1	[shangbaishuyao@hadoop102 software]$ tar -zxvf apache-hive-1.2.1-bin.tar.gz -C /opt/module/

（3）修改apache-hive-1.2.1-bin.tar.gz的名称为hive

1	[shangbaishuyao@hadoop102 module]$ mv apache-hive-1.2.1-bin/ hive

（4）修改/opt/module/hive/conf目录下的hive-env.sh.template名称为hive-env.sh

1	[shangbaishuyao@hadoop102 conf]$ mv hive-env.sh.template hive-env.sh

（5）配置hive-env.sh文件
（a）配置HADOOP_HOME路径

1	export HADOOP_HOME=/opt/module/hadoop-2.7.2

（b）配置HIVE_CONF_DIR路径(hive配置文件的路径)

1	export HIVE_CONF_DIR=/opt/module/hive/conf

2．Hadoop集群配置
（1）必须启动hdfs和yarn

1 2	[shangbaishuyao@hadoop102 hadoop-2.7.2]$ sbin/start-dfs.sh [shangbaishuyao@hadoop103 hadoop-2.7.2]$ sbin/start-yarn.sh

（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

[shangbaishuyao@hadoop102 hadoop-2.7.2]$ bin/hadoop fs -mkdir /tmp
[shangbaishuyao@hadoop102 hadoop-2.7.2]$ bin/hadoop fs -mkdir -p /user/hive/warehouse

[shangbaishuyao@hadoop102 hadoop-2.7.2]$ bin/hadoop fs -chmod g+w /tmp
[shangbaishuyao@hadoop102 hadoop-2.7.2]$ bin/hadoop fs -chmod g+w /user/hive/warehouse

blog: www.xubatian.cn

Hive基本操作

（1）启动hive

1	[shangbaishuyao@hadoop102 hive]$ bin/hive

（2）查看数据库

1	hive> show databases;

（3）打开默认数据库

1	hive> use default;

（4）显示default数据库中的表

1	hive> show tables;

（5）创建一张表

1	hive> create table student(id int, name string);

（6）显示数据库中有几张表

1	hive> show tables;

（7）查看表的结构

1	hive> desc student;

（8）向表中插入数据

1	hive> insert into student values(1000,"ss");

（9）查询表中数据

1	hive> select * from student;

（10）退出hive

1	hive> quit;

blog: www.xubatian.cn

将本地文件导入Hive案例

需求
将本地/opt/module/datas/student.txt这个目录下的数据导入到hive的student(id int, name string)表中。
1．数据准备
在/opt/module/datas这个目录下准备数据
（1）在/opt/module/目录下创建datas

1	[shangbaishuyao@hadoop102 module]$ mkdir datas

（2）在/opt/module/datas/目录下创建student.txt文件并添加数据

[shangbaishuyao@hadoop102 datas]$ touch student.txt
[shangbaishuyao@hadoop102 datas]$ vi student.txt
1001	zhangshan
1002	lishi
1003	zhaoliu

注意以tab键间隔。
2．Hive实际操作
（1）启动hive

1	[shangbaishuyao@hadoop102 hive]$ bin/hive

（2）显示数据库

1	hive> show databases;

（3）使用default数据库

1	hive> use default;

（4）显示default数据库中的表

1	hive> show tables;

（5）删除已创建的student表

1	hive> drop table student;

（6）创建student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';      我在创建表的时候就指定将来hive将来切割数据是如何切割,不然后面加载本地数据的时候出现这种情况
 ROW FORMAT  :  行格式化
 DELIMITED  : 每个字段的间隔
 FIELDS TERMINATED BY '\t' : 通过’\t’形式切割

blog: www.xubatian.cn

本地文件导入hive案例
（7）加载/opt/module/datas/student.txt 文件到student数据库表中。

1	hive> load data local inpath '/opt/module/datas/student.txt' into table student;

将文件映射成student表
（8）Hive查询结果

hive> select * from student;
OK
1001	zhangshan
1002	lishi
1003	zhaoliu
Time taken: 0.266 seconds, Fetched: 3 row(s)

3．遇到的问题
再打开一个客户端窗口启动hive，会产生java.sql.SQLException异常。

blog: www.xubatian.cn

所以不能同时打开多个hive连接,如何解决呢?就是不用Derby数据库,使用mysql

Exception in thread "main" java.lang.RuntimeException: java.lang.RuntimeException:
 Unable to instantiate
 org.apache.hadoop.hive.ql.metadata.SessionHiveMetaStoreClient
        at org.apache.hadoop.hive.ql.session.SessionState.start(SessionState.java:522)
        at org.apache.hadoop.hive.cli.CliDriver.run(CliDriver.java:677)
        at org.apache.hadoop.hive.cli.CliDriver.main(CliDriver.java:621)
        at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
        at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:57)
        at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
        at java.lang.reflect.Method.invoke(Method.java:606)
        at org.apache.hadoop.util.RunJar.run(RunJar.java:221)
        at org.apache.hadoop.util.RunJar.main(RunJar.java:136)
Caused by: java.lang.RuntimeException: Unable to instantiate org.apache.hadoop.hive.ql.metadata.SessionHiveMetaStoreClient
        at org.apache.hadoop.hive.metastore.MetaStoreUtils.newInstance(MetaStoreUtils.java:1523)
        at org.apache.hadoop.hive.metastore.RetryingMetaStoreClient.<init>(RetryingMetaStoreClient.java:86)
        at org.apache.hadoop.hive.metastore.RetryingMetaStoreClient.getProxy(RetryingMetaStoreClient.java:132)
        at org.apache.hadoop.hive.metastore.RetryingMetaStoreClient.getProxy(RetryingMetaStoreClient.java:104)
        at org.apache.hadoop.hive.ql.metadata.Hive.createMetaStoreClient(Hive.java:3005)
        at org.apache.hadoop.hive.ql.metadata.Hive.getMSC(Hive.java:3024)
        at org.apache.hadoop.hive.ql.session.SessionState.start(SessionState.java:503)
... 8 more

原因是，Metastore默认存储在自带的derby数据库中，推荐使用MySQL存储Metastore;

MySql安装

安装包准备

1．查看mysql是否安装，如果安装了，卸载mysql
（1）查看

1 2	[root@hadoop102 桌面]# rpm -qa\|grep mysql mysql-libs-5.1.73-7.el6.x86_64

（2）卸载

[shangbaishuyao@Hadoop102 mysql-libs]$ sudo rpm -e mysql-libs-5.1.73-7.el6.x86_64    删不掉,因为有依赖,所以加上--nodeps
error: Failed dependencies:
	libmysqlclient.so.16()(64bit) is needed by (installed) postfix-2:2.6.6-6.el6_7.1.x86_64
	libmysqlclient.so.16(libmysqlclient_16)(64bit) is needed by (installed) postfix-2:2.6.6-6.el6_7.1.x86_64
	mysql-libs is needed by (installed) postfix-2:2.6.6-6.el6_7.1.x86_64
[shangbaishuyao@Hadoop102 mysql-libs]$ 
[root@hadoop102 桌面]# rpm -e --nodeps mysql-libs-5.1.73-7.el6.x86_64

2．解压mysql-libs.zip文件到当前目录

[root@hadoop102 software]# unzip mysql-libs.zip
[root@hadoop102 software]# ls
mysql-libs.zip
mysql-libs

3．进入到mysql-libs文件夹下

[root@hadoop102 mysql-libs]# ll
总用量 76048
-rw-r--r--. 1 root root 18509960 3月  26 2015 MySQL-client-5.6.24-1.el6.x86_64.rpm
-rw-r--r--. 1 root root  3575135 12月  1 2013 mysql-connector-java-5.1.27.tar.gz
-rw-r--r--. 1 root root 55782196 3月  26 2015 MySQL-server-5.6.24-1.el6.x86_64.rpm

安装MySql服务器

1．安装mysql服务端

1
2
3

[shangbaishuyao@Hadoop102 mysql-libs]$ rpm -ivh MySQL-server-5.6.24-1.el6.x86_64.rpm
error: can't create transaction lock on /var/lib/rpm/.rpm.lock (权限不够)
[root@hadoop102 mysql-libs]# sudo rpm -ivh MySQL-server-5.6.24-1.el6.x86_64.rpm

2．查看产生的随机密码

blog: www.xubatian.cn

所以必须修改随机密码:

1 2	[root@hadoop102 mysql-libs]# cat /root/.mysql_secret OEXaQuS8IWkG19Xs

如果无法进入则:切换用户来进入

3．查看mysql状态

1	[root@hadoop102 mysql-libs]# service mysql status

启动mysql和查看状态:

[shangbaishuyao@Hadoop102 ~]$ su - root
密码：
[root@Hadoop102 ~]# service mysql start
Starting MySQL..                                           [确定]
[root@Hadoop102 ~]# service mysql status
MySQL running (5912)                                       [确定]
[root@Hadoop102 ~]#

4．启动mysql

1	[root@hadoop102 mysql-libs]# service mysql start

安装MySql客户端

1．安装mysql客户端

1	[root@hadoop102 mysql-libs]# rpm -ivh MySQL-client-5.6.24-1.el6.x86_64.rpm

2．链接mysql

1	[root@hadoop102 mysql-libs]# mysql -uroot -pOEXaQuS8IWkG19Xs

3．修改密码

1	mysql>SET PASSWORD=PASSWORD('000000');

4．退出mysql

1	mysql>exit

删除mysql上不干净怎么办?一定要把这个删了

blog: www.xubatian.cn

MySql中user表中主机配置

[root@Hadoop102 mysql-libs]# mysql -uroot -pshangbaishuyao
Warning: Using a password on the command line interface can be insecure.
Welcome to the MySQL monitor.  Commands end with ; or \g.
Your MySQL connection id is 2
Server version: 5.6.24 MySQL Community Server (GPL)

Copyright (c) 2000, 2015, Oracle and/or its affiliates. All rights reserved.

Oracle is a registered trademark of Oracle Corporation and/or its
affiliates. Other names may be trademarks of their respective
owners.

Type 'help;' or '\h' for help. Type '\c' to clear the current input statement.

mysql> show databses ;
ERROR 1064 (42000): You have an error in your SQL syntax; check the manual that corresponds to your MySQL server version for the right syntax to use near 'databses' at line 1
mysql> show databases ;
+--------------------+
| Database           |
+--------------------+
| information_schema |
| mysql              |
| performance_schema |
| test               |
+--------------------+
4 rows in set (0.05 sec)

mysql> use mysql ;
Reading table information for completion of table and column names
You can turn off this feature to get a quicker startup with -A

Database changed
mysql> show tables ;
+---------------------------+
| Tables_in_mysql           |
+---------------------------+
| columns_priv              |
| db                        |
| event                     |
| func                      |
| general_log               |
| help_category             |
| help_keyword              |
| help_relation             |
| help_topic                |
| innodb_index_stats        |
| innodb_table_stats        |
| ndb_binlog_index          |
| plugin                    |
| proc                      |
| procs_priv                |
| proxies_priv              |
| servers                   |
| slave_master_info         |
| slave_relay_log_info      |
| slave_worker_info         |
| slow_log                  |
| tables_priv               |
| time_zone                 |
| time_zone_leap_second     |
| time_zone_name            |
| time_zone_transition      |
| time_zone_transition_type |
| user                      |
+---------------------------+
28 rows in set (0.00 sec)

mysql> desc user ；
    -> desc user ;
ERROR 1064 (42000): You have an error in your SQL syntax; check the manual that corresponds to your MySQL server version for the right syntax to use near 'desc user' at line 3
mysql> desc user
    -> desc user;
ERROR 1064 (42000): You have an error in your SQL syntax; check the manual that corresponds to your MySQL server version for the right syntax to use near 'desc user' at line 2
mysql> desc user ;
+------------------------+-----------------------------------+------+-----+-----------------------+-------+
| Field                  | Type                              | Null | Key | Default               | Extra |
+------------------------+-----------------------------------+------+-----+-----------------------+-------+
| Host                   | char(60)                          | NO   | PRI |                       |       |
| User                   | char(16)                          | NO   | PRI |                       |       |
| Password               | char(41)                          | NO   |     |                       |       |
| Select_priv            | enum('N','Y')                     | NO   |     | N                     |       |
| Insert_priv            | enum('N','Y')                     | NO   |     | N                     |       |
| Update_priv            | enum('N','Y')                     | NO   |     | N                     |       |
| Delete_priv            | enum('N','Y')                     | NO   |     | N                     |       |
| Create_priv            | enum('N','Y')                     | NO   |     | N                     |       |
| Drop_priv              | enum('N','Y')                     | NO   |     | N                     |       |
| Reload_priv            | enum('N','Y')                     | NO   |     | N                     |       |
| Shutdown_priv          | enum('N','Y')                     | NO   |     | N                     |       |
| Process_priv           | enum('N','Y')                     | NO   |     | N                     |       |
| File_priv              | enum('N','Y')                     | NO   |     | N                     |       |
| Grant_priv             | enum('N','Y')                     | NO   |     | N                     |       |
| References_priv        | enum('N','Y')                     | NO   |     | N                     |       |
| Index_priv             | enum('N','Y')                     | NO   |     | N                     |       |
| Alter_priv             | enum('N','Y')                     | NO   |     | N                     |       |
| Show_db_priv           | enum('N','Y')                     | NO   |     | N                     |       |
| Super_priv             | enum('N','Y')                     | NO   |     | N                     |       |
| Create_tmp_table_priv  | enum('N','Y')                     | NO   |     | N                     |       |
| Lock_tables_priv       | enum('N','Y')                     | NO   |     | N                     |       |
| Execute_priv           | enum('N','Y')                     | NO   |     | N                     |       |
| Repl_slave_priv        | enum('N','Y')                     | NO   |     | N                     |       |
| Repl_client_priv       | enum('N','Y')                     | NO   |     | N                     |       |
| Create_view_priv       | enum('N','Y')                     | NO   |     | N                     |       |
| Show_view_priv         | enum('N','Y')                     | NO   |     | N                     |       |
| Create_routine_priv    | enum('N','Y')                     | NO   |     | N                     |       |
| Alter_routine_priv     | enum('N','Y')                     | NO   |     | N                     |       |
| Create_user_priv       | enum('N','Y')                     | NO   |     | N                     |       |
| Event_priv             | enum('N','Y')                     | NO   |     | N                     |       |
| Trigger_priv           | enum('N','Y')                     | NO   |     | N                     |       |
| Create_tablespace_priv | enum('N','Y')                     | NO   |     | N                     |       |
| ssl_type               | enum('','ANY','X509','SPECIFIED') | NO   |     |                       |       |
| ssl_cipher             | blob                              | NO   |     | NULL                  |       |
| x509_issuer            | blob                              | NO   |     | NULL                  |       |
| x509_subject           | blob                              | NO   |     | NULL                  |       |
| max_questions          | int(11) unsigned                  | NO   |     | 0                     |       |
| max_updates            | int(11) unsigned                  | NO   |     | 0                     |       |
| max_connections        | int(11) unsigned                  | NO   |     | 0                     |       |
| max_user_connections   | int(11) unsigned                  | NO   |     | 0                     |       |
| plugin                 | char(64)                          | YES  |     | mysql_native_password |       |
| authentication_string  | text                              | YES  |     | NULL                  |       |
| password_expired       | enum('N','Y')                     | NO   |     | N                     |       |
+------------------------+-----------------------------------+------+-----+-----------------------+-------+
43 rows in set (0.21 sec)

mysql> select host,user,password from user ;
+-----------+------+-------------------------------------------+
| host      | user | password                                  |
+-----------+------+-------------------------------------------+
| localhost | root  | *0877ABF89C5BE70C33A37E82834E8A9D03060F71 |
| hadoop102 | root | *FD17D48A578685F9749FDF93CACE07FE9D22C41D |
| 127.0.0.1 | root  | *FD17D48A578685F9749FDF93CACE07FE9D22C41D |
| ::1       | root | *FD17D48A578685F9749FDF93CACE07FE9D22C41D |
+-----------+------+-------------------------------------------+
可以看到只有这几台机器能连上,所以我们要修改,我们只需要第一个,其他几个都不需要,因为只有第一个我们修改了密码是:shangbaishuyao,其他都不是
4 rows in set (0.00 sec)
mysql> delete from user where host !="localhost";
Query OK, 3 rows affected (0.06 sec)

mysql> select host,user,password from user ;
+-----------+------+-------------------------------------------+
| host      | user | password                                  |
+-----------+------+-------------------------------------------+
| localhost | root | *0877ABF89C5BE70C33A37E82834E8A9D03060F71 |
+-----------+------+-------------------------------------------+
1 row in set (0.00 sec)

mysql> update user set host='%' where host='localhost';
Query OK, 1 row affected (0.00 sec)
Rows matched: 1  Changed: 1  Warnings: 0

mysql> select host,user,password from user ;
+------+------+-------------------------------------------+
| host | user | password                                  |
+------+------+-------------------------------------------+
| %    | root | *0877ABF89C5BE70C33A37E82834E8A9D03060F71 |
+------+------+-------------------------------------------+
1 row in set (0.00 sec)

mysql>

如图可以看到:任意机器都可以访问了

blog: www.xubatian.cn

一定要记得刷新权限:

blog: www.xubatian.cn

配置只要是root用户+密码，在任何主机上都能登录MySQL数据库。
1．进入mysql

1	[root@hadoop102 mysql-libs]# mysql -uroot -pshangbaishuyao

2．显示数据库

1	mysql>show databases;

3．使用mysql数据库

1	mysql>use mysql;

4．展示mysql数据库中的所有表

1	mysql>show tables;

5．展示user表的结构

1	mysql>desc user;

6．查询user表

1	mysql>select User, Host, Password from user;

7．修改user表，把Host表内容修改为%

1	mysql>update user set host='%' where host='localhost';

8．删除root用户的其他host

1
2
3

mysql>delete from user where Host='hadoop10';
mysql>delete from user where Host='127.0.0.1';
mysql>delete from user where Host='::1';

9．刷新

1	mysql>flush privileges;

10．退出

1	mysql>quit;

Hive元数据配置到MySql

驱动拷贝

1．在/opt/software/mysql-libs目录下解压mysql-connector-java-5.1.27.tar.gz驱动包

1	[root@hadoop102 mysql-libs]# tar -zxvf mysql-connector-java-5.1.27.tar.gz

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

2.5.2 配置Metastore到MySql
1．在/opt/module/hive/conf目录下创建一个hive-site.xml

1 2	[shangbaishuyao@hadoop102 conf]$ touch hive-site.xml [shangbaishuyao@hadoop102 conf]$ vi 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+Metastore+Administration

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<!--使用JDBC连接那个库 ,当发现不存在直接创建出来-->
	<property>
	  <name>javax.jdo.option.ConnectionURL</name>
	 <value>jdbc:mysql://hadoop102:3306/metastore?createDatabaseIfNotExist=true</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>000000</value>      这个密码一定要改为:shangbaishuyao
	  <description>password to use against metastore database</description>
	</property>
</configuration>

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）

多窗口启动Hive测试

1．先启动MySQL

[shangbaishuyao@hadoop102 mysql-libs]$ mysql -uroot -p000000
查看有几个数据库
mysql> show databases;
+--------------------+
| Database           |
+--------------------+
| information_schema |
| mysql             |
| performance_schema |
| test               |
+--------------------+

2．再次打开多个窗口，分别启动hive

1	[shangbaishuyao@hadoop102 hive]$ bin/hive

3．启动hive后，回到MySQL窗口查看数据库，显示增加了metastore数据库

	mysql> show databases;
+--------------------+
| Database           |
+--------------------+
| information_schema |
| metastore          |
| mysql             |
| performance_schema |
| test               |
+--------------------+

HiveJDBC访问

为什么使用hiveJDBC形式连接呢?

blog: www.xubatian.cn

准备1:

blog: www.xubatian.cn

准备2:

blog: www.xubatian.cn

启动hiveserver2服务,CDH中不用启动这个

1	[shangbaishuyao@hadoop102 hive]$ bin/hiveserver2

启动beeline,在CDH中任何目录下直接beeline

[shangbaishuyao@hadoop102 hive]$ bin/beeline
Beeline version 1.2.1 by Apache Hive
beeline>
2.6.3 连接hiveserver2
beeline> !connect jdbc:hive2://hadoop102:10000（回车）
Connecting to jdbc:hive2://hadoop102:10000
Enter username for jdbc:hive2://hadoop102:10000: shangbaishuyao（回车）
Enter password for jdbc:hive2://hadoop102:10000: （直接回车）
Connected to: Apache Hive (version 1.2.1)
Driver: Hive JDBC (version 1.2.1)
Transaction isolation: TRANSACTION_REPEATABLE_READ
0: jdbc:hive2://hadoop102:10000> show databases;
+----------------+--+
| database_name  |
+----------------+--+
| default        |
| hive_db2       |
+----------------+--+

上白书妖补充完成图片:
Hive账号密码:

blog: www.xubatian.cn

Hive常用交互命令

他不是连到hive客户端里面用的,他是连接到

正常情况下,我们要连接到hive客户端里面才能操作.如下:

1．“-e”不进入hive的交互窗口执行sql语句

1	[shangbaishuyao@hadoop102 hive]$ bin/hive -e "select id from student;"

2．“-f”执行脚本中sql语句
（1）在/opt/module/datas目录下创建hivef.sql文件

1	[shangbaishuyao@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

1	[shangbaishuyao@hadoop102 hive]$ bin/hive -f /opt/module/datas/hivef.sql

（3）执行文件中的sql语句并将结果写入文件中

1	[shangbaishuyao@hadoop102 hive]$ bin/hive -f /opt/module/datas/hivef.sql > /opt/module/datas/hive_result.txt

Hive其他命令操作

1．退出hive窗口：

1 2	hive(default)>exit; hive(default)>quit;

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

1	hive(default)>dfs -ls /;

blog: www.xubatian.cn

3．在hive cli命令窗口中如何查看本地文件系统

1	hive(default)>! ls /opt/module/datas;

blog: www.xubatian.cn

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/shangbaishuyao
（2）查看. hivehistory文件

1	[shangbaishuyao@hadoop102 ~]$ cat .hivehistory

blog: www.xubatian.cn

Hive常见属性配置

Hive数据仓库位置配置

blog: www.xubatian.cn

因为他就是我们默认default这个库的最原始位置.
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）。

<property>
    <name>hive.metastore.warehouse.dir</name>
    <value>/user/hive/warehouse</value>
    <description>location of default database for the warehouse</description>
</property>

配置同组用户有执行权限

1	bin/hdfs dfs -chmod g+w /user/hive/warehouse

查询后信息显示配置

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。

<property>
	<name>hive.cli.print.header</name>
	<value>true</value>
</property>

<!--当前是哪一个databases--> 
<property>
	<name>hive.cli.print.current.db</name>
	<value>true</value>
</property>

上白书妖补充效果图:
这种方式只是在当时有用,退出重进之后就没用了,所以我们要进行上面配置
文件的配置

blog: www.xubatian.cn

2）重新启动hive，对比配置前后差异。
（1）配置前，如图所示

blog: www.xubatian.cn

（2）配置后，如图所示

blog: www.xubatian.cn

Hive运行日志信息配置

1．Hive的log默认存放在/tmp/shangbaishuyao/hive.log目录下（当前用户名下）

因为放在tmp目录下,他是会定期清除的,所以要修改
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

1
2
3

[shangbaishuyao@hadoop102 conf]$ pwd
/opt/module/hive/conf
[shangbaishuyao@hadoop102 conf]$ mv hive-log4j.properties.template hive-log4j.properties

（2）在hive-log4j.properties文件中修改log存放位置

hive.log.dir=/opt/module/hive/logs

参数配置方式

Hive的底层是hadoop,所以就逃不开hadoop四个默认的配置文件以及四个自定义文件如:core-site.xml等,所以说我们在启动hive的时候,这八个文件肯定会去加载的,这个我们hadoop的时候学过,所以我们一下配置就没加入,但是如果你hadoop都没有配置的话,你得先从hadoop开始配置

1．查看当前所有的配置信息
hive>set;

参数的配置三种方式

三种方式中: 修改xml文件是永久生效,其他只是当前生效
（1）第一种: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）第二种: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：

1	[shangbaishuyao@hadoop103 hive]$ bin/hive -hiveconf mapred.reduce.tasks=10;

设置参数
注意: 如果只是set mapred.reduce.tasks;就是查看
set mapred.reduce.tasks = 10; 这是设置成10个
注意：仅对本次hive启动有效

blog: www.xubatian.cn

查看参数设置：

1	hive (default)> set mapred.reduce.tasks;

shangbaishuayo补充:默认是-1

blog: www.xubatian.cn

（3）第三种:参数声明方式
可以在HQL中使用SET关键字设定参数
例如：

1	hive (default)> set mapred.reduce.tasks=100;

blog: www.xubatian.cn

注意：仅对本次hive启动有效。
查看参数设置

1	hive (default)> set mapred.reduce.tasks;

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。配置文件的方式是永久有效的

Hive数据类型

基本数据类型

Hive数据类型	Java数据类型	长度	例子
TINYINT (tinyint)	byte	1byte有符号整数	20
SMALINT (smalint)	short	2byte有符号整数	20
INT (int)	int	4byte有符号整数	20
BIGINT (bigint)	long	8byte有符号整数	20
BOOLEAN (boolean)	boolean	布尔类型，true或者false	TRUE FALSE
FLOAT (float)	float	单精度浮点数	3.14159
DOUBLE (double)	double	双精度浮点数	3.14159
STRING (string)	string	字符系列。可以指定字符集。可以使用单引号或者双引号。	‘now is the time’ “for all good men”
TIMESTAMP (timestamp)		时间类型
BINARY (binary)		字节数组

对于Hive的String类型相当于数据库的varchar类型，该类型是一个可变的字符串，不过它不能声明其中最多能存储多少个字符，理论上它可以存储2GB的字符数。

集合数据类型

数据类型	描述	语法示例
STRUCT	和c语言中的struct类似，都可以通过“点”符号访问元素内容。例如，如果某个列的数据类型是STRUCT{first STRING, last STRING},那么第1个元素可以通过字段.first来引用。	struct()
MAP	MAP是一组键-值对元组集合，使用数组表示法可以访问数据。例如，如果某个列的数据类型是MAP，其中键->值对是’first’->’John’和’last’->’Doe’，那么可以通过字段名[‘last’]获取最后一个元素	map()
ARRAY	数组是一组具有相同类型和名称的变量的集合。这些变量称为数组的元素，每个数组元素都有一个编号，编号从零开始。例如，数组值为[‘John’, ‘Doe’]，那么第2个元素可以通过数组名[1]进行引用。	Array()

Hive有三种复杂数据类型ARRAY、MAP 和 STRUCT。ARRAY和MAP与Java中的Array和Map类似，而STRUCT与C语言中的Struct类似，它封装了一个命名字段集合，复杂数据类型允许任意层次的嵌套。

案例实操

1）假设某表有如下一行，我们用JSON格式来表示其数据结构。在Hive下访问的格式为

{
    "name": "songsong",
    "friends": ["bingbing" , "lili"] ,       //列表Array, 
    "children": {                      //键值Map,
        "xiao song": 18 ,
        "xiaoxiao song": 19
    }
    "address": {                      //结构Struct,
        "street": "hui long guan" ,
        "city": "beijing" 
    }
}

2）基于上述数据结构，我们在Hive里创建对应的表，并导入数据。
创建本地测试文件test.txt 在../datas/test.txt

1 2	songsong,bingbing_lili,xiao song:18_xiaoxiao song:19,hui long guan_beijing yangyang,caicai_susu,xiao yang:18_xiaoxiao yang:19,chao yang_beijing

注意：MAP，STRUCT和ARRAY里的元素间关系都可以用同一个字符表示，这里用“_”。
3）Hive上创建测试表test
_

create table test(
name string,
friends array<string>,
children map<string, int>,
address struct<street:string, city:string>
)
row format delimited fields terminated by ','
collection items terminated by '_'
map keys terminated by ':'
lines terminated by '\n';

字段解释：
row format delimited fields terminated by ‘,’ – 列分隔符
collection items terminated by ‘_’ –MAP STRUCT 和 ARRAY 的分隔符(数据分割符号)
map keys terminated by ‘:’ – MAP中的key与value的分隔符
lines terminated by ‘\n’; – 行分隔符
4）导入文本数据到测试表

1	hive (default)> load data local inpath ‘/opt/module/datas/test.txt’into table test

5）访问三种集合列里的数据，以下分别是ARRAY，MAP，STRUCT的访问方式

hive (default)> select friends[1],children['xiao song'],address.city from test
where name="songsong";
OK
_c0     _c1     city
lili    18      beijing
Time taken: 0.076 seconds, Fetched: 1 row(s)

blog: www.xubatian.cn

类型转化

Hive的原子数据类型是可以进行隐式转换的，类似于Java的类型转换，例如某表达式使用INT类型，TINYINT会自动转换为INT类型，但是Hive不会进行反向转化，例如，某表达式使用TINYINT类型，INT不会自动转换为TINYINT类型，它会返回错误，除非使用CAST操作。

1．隐式类型转换规则如下

（1）任何整数类型都可以隐式地转换为一个范围更广的类型，如TINYINT可以转换成INT，INT可以转换成BIGINT。
（2）所有整数类型、FLOAT和STRING类型都可以隐式地转换成DOUBLE。
（3）TINYINT、SMALLINT、INT都可以转换为FLOAT。
（4）BOOLEAN类型不可以转换为任何其它的类型。

2．可以使用CAST操作显示进行数据类型转换

例如CAST(‘1’ AS INT)将把字符串’1’ 转换成整数1；如果强制类型转换失败，如执行CAST(‘X’ AS INT)，表达式返回空值 NULL。

本文作者： xubatian
本文链接： http://xubatian.cn/hive简介(一)/
版权声明： 本博客所有文章除特别声明外均为原创，采用 CC BY 4.0 CN协议许可协议。转载请注明出处:https://www.xubatian.cn/