MapReduce实验：Hive安装以及简单操作

接上一篇HBase的安装以及简单操作...

2.Hive

2.1.单机环境下Hive安装

下载hive，链接http://apache.cs.utah.edu/hive/，最新版本为hive-0.13.0。

解压tar –zxvf apache-hive-0.13.0.tar.gz，安装在hadoop目录下。

配置环境变量，sudo gedit /etc/profile，如下所示：

同样执行source /etc/profile使其生效。

进入$HIVE_HOME/conf目录，原来有四个template文件，执行命令生成正式配置文件：

cp hive-default.xml.template hive-site.xml
cp hive-env.sh.template hive-env.sh
cp hive-exec-log4j.properties.templatehive-exec-log4j.properties
cp hive-log4j.properties.templatehive-log4j.properties

编辑hive-site.xml文件，在最后加入：

说明：根据自己jar的路径。

至此配置完成，后续进行shell操作。

2.2.Hiveshell简单操作

启动hive，进入$HIVE_HOME目录，执行bin/hive，执行jps检测：

多出一个RunJar，暂时不了解是何作用。

在hive中建表：

从文本中导入数据：

文本数据格式为：

执行SQL查询：

2.3.Hiveshell实验-莎士比亚文档词频统计

创建表：Shakespeare（word string，count int）：

用showtables查询所有的表：

由于是实验，所以自己定义了一个词频统计文件，wordCount.txt，如下格式：

导入wordCount.txt中的数据：

注意：hive不支持用insert语句一条一条的进行插入操作，也不支持update操作。数据是以load的方式加载到建立好的表中。数据一旦导入就不可以修改。

SQL查询Shakespear中的数据：

执行select* from shakespear;则会直接得到数据，如下：

执行selectshakespear.word from shakespear;，将会采用mapreduce执行查询，如下：

检索表中词频数count大于1000的词，执行select* from shakespear where shakespear.count>1000;，得到如下结果：

检索表中前10个出现次数最多的词，执行select* from shakespear sort by count desc limit 10;，得到如下结果：

3.HBase与Hive总结

3.1.HBase原理

在整个HBase到操作建表的过程中，我们可以体会到HBase是建立在HDFS之上，并且由于所创建的表与google BigTable相似，由行，列族，列名，值组成。因此，可以看到相比HDFS的一般性，HBase可以为上层应用提供结构化半结构化海量数据存储访问能力。

即光有分布式文件系统HDFS还不足够，HBase支持了分布式文件系统之上的非关系型数据库，为用户提供数据的存储访问。

3.2.Hive原理

         通过Hive的安装以及查询，我们可以体会到，Hive建立在HDFS、HBase、MapReduce之上，既可以完成数据的存储，也可以完成数据的访问。对于每一个任务，我们可以看到Hive利用MapReduce来完成Job。

可以认为Hive是在分布式文件系统HDFS之上，结合HBase以及MapReduce高度集成的数据仓库，为用户提供了数据存储和访问。

4.附录

最后引入HBase与Hive在整个hadoop生态系统中的结构图：

还有Hive的原理图：

        

我们可以更加深刻的理解HBase以及Hive。

5.References

部分资料来自黄宜华老师的MapReduce课程ppt以及互联网。在此感谢。