Hive介绍及部署最详细文档

id="iframeu1728839_0" src="http://pos.baidu.com/gcdm?rdid=1728839&dc=2&di=u1728839&dri=0&dis=0&dai=3&ps=454x1130&dcb=BAIDU_SSP_define&dtm=BAIDU_DUP_SETJSONADSLOT&dvi=0.0&dci=-1&dpt=none&tsr=0&tpr=1463104811653&ti=Hive%E4%BB%8B%E7%BB%8D%E5%8F%8A%E9%83%A8%E7%BD%B2%E6%9C%80%E8%AF%A6%E7%BB%86%E6%96%87%E6%A1%A3-%E5%A4%A7%E6%95%B0%E6%8D%AE%EF%BC%88hadoop%E7%B3%BB%E5%88%97%EF%BC%89%E5%AD%A6%E4%B9%A0-about%E4%BA%91%E5%BC%80%E5%8F%91&ari=1&dbv=2&drs=1&pcs=1343x667&pss=1343x766&cfv=0&cpl=6&chi=1&cce=true&cec=GBK&tlm=1463104811&ltu=http%3A%2F%2Fwww.aboutyun.com%2Fthread-14958-1-1.html&ltr=http%3A%2F%2Fso.aboutyun.com%2Fcse%2Fsearch%3Fs%3D18335994984162479371%26ie%3Dgbk%26q%3Dhive%26searchsubmit%3Dtrue&ecd=1&psr=1360x768&par=1360x728&pis=-1x-1&ccd=24&cja=true&cmi=8&col=zh-CN&cdo=-1&tcn=1463104812&qn=dfc03c912c82696c&tt=1463104811609.156.531.532" width="120" height="240" align="center,center" vspace="0" hspace="0" marginwidth="0" marginheight="0" scrolling="no" frameborder="0" allowtransparency="true" style="word-wrap: break-word; border-width: 0px; border-style: initial; vertical-align: bottom; margin: 0px;"> 问题导读 1、Hive的概念以及优缺点。 2、Hive的执行流程。 3、了解Hive的运行框架，以及Hive架构包括哪些组件？ 4、Hive的搭建过程。 5、如何设置安装Mysql、设置root密码、Hive用户和创建Hive数据库？ 6、安装Hive过程中如何设置相关的环境变量？ 7、如何验证Hive是否安装成功？ 8、解决问题：设置MySql数据库root用户密码报错、Hive启动，报CommandNeedRetryException异常。 1、Hive介绍 1.1 Hive介绍 Hive是一个基于Hadoop的开源数据仓库工具，用于存储和处理海量结构化数据。它是Facebook 2008年8月开源的一个数据仓库框架，提供了类似于SQL语法的HQL语句作为数据访问接口，Hive有如下优缺点： 优点： 1.Hive 使用类SQL 查询语法, 最大限度的实现了和SQL标准的兼容，大大降低了传统数据分析人员学习的曲线； 2.使用JDBC 接口/ODBC接口，开发人员更易开发应用； 3.以MR 作为计算引擎、HDFS 作为存储系统，为超大数据集设计的计算/ 扩展能力； 4.统一的元数据管理（Derby、MySql等），并可与Pig 、Presto 等共享； l缺点： 1.Hive 的HQL 表达的能力有限，有些复杂运算用HQL 不易表达； 2.由于Hive自动生成MapReduce 作业， HQL 调优困难； 3.粒度较粗，可控性差 1.2  Hive运行架构   由上图可知，Hadoop的MapReduce是Hive架构的根基。Hive架构包括如下组件：CLI（Command Line Interface）、JDBC/ODBC、Thrift Server、WEB GUI、Metastore和Driver(Complier、Optimizer和Executor)，这些组件分为两大类：服务端组件和客户端组件。 服务端组件： 1、lDriver组件：该组件包括Complier、Optimizer和Executor，它的作用是将HiveQL（类SQL）语句进行解析、编译优化，生成执行计划，然后调用底层的MapReduce计算框架； 2、lMetastore组件：元数据服务组件，这个组件存储Hive的元数据，Hive的元数据存储在关系数据库里，Hive支持的关系数据库有Derby和Mysql。元数据对于Hive十分重要，因此Hive支持把Metastore服务独立出来，安装到远程的服务器集群里，从而解耦Hive服务和Metastore服务，保证Hive运行的健壮性； 3、lThrift服务：Thrift是Facebook开发的一个软件框架，它用来进行可扩展且跨语言的服务的开发，Hive集成了该服务，能让不同的编程语言调用Hive的接口。 客户端组件： lCLI：Command Line Interface，命令行接口。 1、lThrift客户端：上面的架构图里没有写上Thrift客户端，但是Hive架构的许多客户端接口是建立在Thrift客户端之上，包括JDBC和ODBC接口。 2、lWEBGUI：Hive客户端提供了一种通过网页的方式访问Hive所提供的服务。这个接口对应Hive的HWI组件（Hive Web Interface），使用前要启动HWI服务。 Hive的执行流程：   三种部署模式 1.单用户模式 此模式连接到一个In-Memory 的数据库Derby，一般用于Unit Test。   2.多用户模式 通过网络连接到一个数据库中，是最经常使用到的模式。   3.  远程服务器模式 用于非Java客户端访问元数据库，在服务器端启动MetaStoreServer，客户端利用Thrift协议通过MetaStoreServer访问元数据库。   1.3 Hive数据模型 Hive没有专门的数据存储格式，用户可以自由的组织Hive中的表，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。Hive中所有的数据都存储在HDFS中，存储结构主要包括数据库、文件、表和视图。Hive中包含以下数据模型：Table内部表，External Table外部表，Partition分区，Bucket桶。Hive默认可以直接加载文本文件，还支持sequence file 、RCFile。 1.Hive数据库  类似传统数据库的DataBase，在第三方数据库里实际是一张表 简单示例命令行： create database test_database; 2.内部表  Hive的内部表与数据库中的Table在概念上是类似。每一个Table在Hive中都有一个相应的目录存储数据。例如一个表tbInner，它在HDFS中的路径为/user/hive/warehouse/tbInner，其中/user/hive/warehouse是在hive-site.xml中由${hive.metastore.warehouse.dir} 指定的数据仓库的目录，所有的Table数据（不包括External Table）都保存在这个目录中。内部表删除时，元数据与数据都会被删除。 内部表简单示例： 创建数据文件：test_inner_table.txt 创建表：create table test_inner_table (key string); 加载数据：LOAD DATA LOCAL INPATH 'filepath' INTO TABLE test_inner_table; 查看数据：select * from test_inner_table; 删除表：drop table test_inner_table; 3. 外部表  外部表指向已经在HDFS中存在的数据，并可以创建Partition。它和内部表在元数据的组织上是相同的，而实际数据的存储则有较大的差异。内部表的创建过程和数据加载过程这两个过程可以分别独立完成，也可以在同一个语句中完成，在加载数据的过程中，实际数据会被移动到数据仓库目录中；之后对数据对访问将会直接在数据仓库目录中完成。删除表时，表中的数据和元数据将会被同时删除。而外部表只有一个过程，加载数据和创建表同时完成（CREATE EXTERNAL TABLE ……LOCATION），实际数据是存储在LOCATION后面指定的 HDFS 路径中，并不会移动到数据仓库目录中。当删除一个External Table时，仅删除该链接。 外部表简单示例： 创建数据文件：test_external_table.txt 创建表：create external table test_external_table (key string); 加载数据：LOAD DATA INPATH ‘filepath’ INTO TABLE test_inner_table; 查看数据：select * from test_external_table; 删除表：drop table test_external_table; 4.分区  Partition对应于数据库中的Partition列的密集索引，但是Hive中Partition的组织方式和数据库中的很不相同。在Hive中，表中的一个Partition对应于表下的一个目录，所有的Partition的数据都存储在对应的目录中。例如pvs表中包含ds和city两个Partition，则对应于ds = 20090801, ctry = US 的HDFS子目录为/user/hive/warehouse/pvs/ds=20090801/ctry=US；对应于 ds = 20090801, ctry = CA 的HDFS子目录为/user/hive/warehouse/pvs/ds=20090801/ctry=CA。 分区表简单示例： 创建数据文件：test_partition_table.txt 创建表：create table test_partition_table (key string) partitioned by (dt string); 加载数据：LOAD DATA INPATH ‘filepath’ INTO TABLE test_partition_table partition (dt=‘2006’); 查看数据：select * from test_partition_table; 删除表：drop table test_partition_table; 5.桶  Buckets是将表的列通过Hash算法进一步分解成不同的文件存储。它对指定列计算Hash，根据Hash值切分数据，目的是为了并行，每一个Bucket对应一个文件。例如将user列分散至32个bucket，首先对user列的值计算Hash，对应Hash值为0的HDFS目录为/user/hive/warehouse/pvs/ds=20090801/ctry=US/part-00000；Hash值为20的HDFS目录为/user/hive/warehouse/pvs/ds=20090801/ctry=US/part-00020。如果想应用很多的Map任务这样是不错的选择。 桶的简单示例： 创建数据文件：test_bucket_table.txt 创建表：create table test_bucket_table (key string) clustered by (key) into 20 buckets； 加载数据：LOAD DATA INPATH ‘filepath’ INTO TABLE test_bucket_table； 查看数据：select * from test_bucket_table;  set hive.enforce.bucketing = true; 6.Hive的视图  视图与传统数据库的视图类似。视图是只读的，它基于的基本表，如果改变，数据增加不会影响视图的呈现；如果删除，会出现问题。如果不指定视图的列，会根据select语句后的生成。 示例：create view test_view as select * from test； 1.4 Hive数据类型 Hive支持两种数据类型，一类叫原子数据类型，一类叫复杂数据类型。 1、原子数据类型包括数值型、布尔型和字符串类型，具体如下表所示：   由上表我们看到Hive不支持日期类型，在Hive里日期都是用字符串来表示的，而常用的日期格式转化操作则是通过自定义函数进行操作。 Hive是用Java开发的，Hive里的基本数据类型和java的基本数据类型也是一一对应的，除了String类型。有符号的整数类型：TINYINT、SMALLINT、INT和BIGINT分别等价于Java的Byte、Short、Int和Long原子类型，它们分别为1字节、2字节、4字节和8字节有符号整数。Hive的浮点数据类型FLOAT和DOUBLE,对应于Java的基本类型Float和Double类型。而Hive的BOOLEAN类型相当于Java的基本数据类型Boolean。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。 2、复杂数据类型包括数组（ARRAY）、映射（MAP）和结构体（STRUCT），具体如下所示：   1.5 Hive与关系数据库的区别 由于Hive采用了SQL的查询语言HQL，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。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。 Hive和数据库的比较如下表：   2、Hive搭建过程 2.1 安装MySql数据库 2.1.1 下载MySql安装文件 下载地址：http://dev.mysql.com/downloads/mysql/#downloads，使用系统为CentOS选择 Red Hat Enterprise Linux/Oracle系列：   操作系统为64位，选择对应安装包进行下载：       下载在本地目录如下图：   2.1.2 上传MySql安装文件 把下载的mysql安装包，使用SSH Secure File Transfer工具（参见《Spark编译与部署（上）--基础环境搭建》1.3.1介绍）上传到/home/hadoop/upload 目录下，如下图所示：   2.1.3 卸载旧的MySql 1、查找以前是否安装有mysql 使用命令查看是否已经安装过mysql： $rpm -qa | grep -i mysql 可以看到如下图的所示：   说明之前安装了： MySQL-client-5.6.21-1.el6.x86_64 MySQL-server-5.6.21-1.el6.x86_64 MySQL-devel-5.6.21-1.el6.x86_64 如果没有结果，可以进行mysql数据库安装 2、停止mysql服务、删除之前安装的mysql 停止mysql服务、删除之前安装的mysql删除命令：rpm -e –nodeps 包名 $sudo rpm -ev MySQL-server-5.6.21-1.el6.x86_64 $sudo rpm -ev MySQL-devel-5.6.21-1.el6.x86_64 $sudo rpm -ev MySQL-client-5.6.21-1.el6.x86_64 如果存在CentOS自带mysql-libs-5.1.71-1.el6.x86_64使用下面的命令卸载即可 $sudo rpm -ev --nodeps mysql-libs-5.1.71-1.el6.x86_64   3、查找之前老版本mysql的目录并且删除老版本mysql的文件和库 $sudo find / -name mysql   删除对应的mysql目录 $sudo rm -rf /usr/lib64/mysql $sudo rm -rf /var/lib/mysql   4、再次查找机器是否安装mysql $sudo rpm -qa | grep -i mysql 无结果，说明已经卸载彻底、接下来直接安装mysql即可   2.1.4 安装MySql 进入安装文件的目录，安装mysql服务端 $cd /home/hadoop/upload $sudo rpm -ivh MySQL-server-5.6.21-1.el6.x86_64.rpm   安装mysql客户端、mysql-devel $sudo rpm -ivh MySQL-client-5.6.21-1.el6.x86_64.rpm $sudo rpm -ivh MySQL-devel-5.6.21-1.el6.x86_64.rpm   2.1.5 设置root密码 在CentOS6.5下安装mysql设置root密码时，出现如下错误：   /usr/bin/mysqladmin: connect to server at 'localhost' failed error: 'Access denied for user 'root'@'localhost' (using password: NO)' 可以进入安全模式进行设置root密码 1、停止mysql服务 使用如下命令停止mysql服务： $sudo service mysql stop $sudo service mysql status   2、跳过验证启动mysql 使用如下命令验证启动mysql，由于&结尾是后台运行进程，运行该命令可以再打开命令窗口或者Ctr+C继续进行下步操作，由于mysql启动时间会长点，需要等待几分钟再查看启动状态： $sudo mysqld_safe --skip-grant-tables & $sudo service mysql status   3、跳过验证启动MySQL 验证mysql服务已经在后台运行后，执行如下语句，其中后面三条命令是在mysql语句： mysql -u root mysql>use mysql; mysql>update user set password = password('root') where user = 'root'; mysql>flush privileges; mysql>quit;   4、跳过验证启动MySQL 重启mysql服务并查看状态 $sudo service mysql stop $sudo service mysql start $sudo service mysql status   2.1.6 设置Hive用户 进入mysql命令行，创建Hive用户并赋予所有权限： mysql -uroot -proot mysql>set password=password('root'); mysql>create user 'hive' identified by 'hive'; mysql>grant all on *.* TO 'hive'@'%' with grant option; mysql>flush privileges; mysql>quit;   （注意：如果是root第一次登录数据库，需要重新设置一下密码，所报异常信息如下：ERROR 1820 (HY000): You must SET PASSWORD before executing this statement） 2.1.7 创建Hive数据库 使用hive用户登录，创建Hive数据库： mysql -uhive -phive mysql>create database hive; mysql>show databases;   2.2 安装Hive 2.2.1 下载Hive安装文件 可以到Apache基金hive官网http://hive.apache.org/downloads.html，选择镜像下载地址：http://mirrors.cnnic.cn/apache/hive/下载一个稳定版本，这里选择下载apache-hive-0.13.1-bin.tar.gz文件，如下图所示：   2.2.2 下载MySql驱动 到mysql官网进入下载页面：http://dev.mysql.com/downloads/connector/j/，默认情况下是Windows安装包，这里需要选择Platform Independent版本下载zip格式的文件   2.2.3 上传Hive安装文件和MySql驱动 把下载的hive安装包和mysql驱动包，使用SSH Secure File Transfer工具（参见《Spark编译与部署（上）--基础环境搭建》1.3.1介绍）上传到/home/hadoop/upload 目录下，如下图所示：   2.2.4 解压缩 到上传目录下，用如下命令解压缩hive安装文件： cd /home/hadoop/upload tar -zxf hive-0.13.1-bin.tar.gz   改名并迁移到/app/hadoop目录下： sudo mv apache-hive-0.13.1-bin /app/hadoop/hive-0.13.1 ll /app/hadoop   2.2.5 把MySql驱动放到Hive的lib目录下 把下载的hive安装包和mysql驱动包，使用 cd /home/hadoop/upload cp mysql-connector-java-5.1.34-bin.jar /app/hadoop/hive-0.13.1/lib   2.2.6 配置/etc/profile环境变量 使用如下命令打开/etc/profile文件： sudo vi /etc/profile   设置如下参数： export HIVE_HOME=/app/hadoop/hive-0.13.1 export PATH=$PATH:$HIVE_HOME/bin export CLASSPATH=$CLASSPATH:$HIVE_HOME/bin   使配置文件生效： source /etc/profile   2.2.7 设置hive-env.sh配置文件 进入hive-0.13.1/conf目录，复制hive-env.sh.templaete为hive-env.sh： cd /app/hadoop/hive-0.13.1/conf cp hive-env.sh.template hive-env.sh ls   使用如下命令边界配置文件 sudo vi hive-env.sh 分别设置HADOOP_HOME和HIVE_CONF_DIR两个值： # Set HADOOP_HOME to point to a specific hadoop install directory export HADOOP_HOME=/app/hadoop/hadoop-2.2.0 # Hive Configuration Directory can be controlled by: export HIVE_CONF_DIR=/app/hadoop/hive-0.13.1/conf   2.2.8 设置hive-site.xml配置文件 复制hive-default.xml.templaete为hive-site.xml cp hive-default.xml.template hive-site.xml sudo vi hive-site.xml   1、加入配置项 默认metastore在本地，添加配置改为非本地 <property>   <name>hive.metastore.local</name>   <value>false</value> </property>   2、修改配置项 hive默认为derby数据库，derby数据只运行单个用户进行连接，这里需要调整为mysql数据库 <property>   <name>hive.metastore.uris</name>   <value>thrift://hadoop1:9083</value>   <description>Thrift URI for the remote metastore. ...</description> </property> <property>   <name>javax.jdo.option.ConnectionURL</name>   <value>jdbc:mysql://hadoop1:3306/hive?=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>hive</value>   <description>username to use against metastore database</description> </property> <property>   <name>javax.jdo.option.ConnectionPassword</name>   <value>hive</value>   <description>password to use against metastore database</description> </property>   把hive.metastore.schema.verification配置项值修改为false <property>   <name>hive.metastore.schema.verification</name>   <value>false</value>    <desc....> </property>   2.3 启动并验证Hive 2.3.1 启动Hive 实际使用时，一般通过后台启动metastore和hiveserver实现服务，命令如下： hive --service metastore & hive --service hiveserver &   启动用通过jps命令可以看到两个进行运行在后台   2.3.2 在Hive中操作 登录hive，在hive创建表并查看该表，命令如下： hive hive>create table test(a string, b int); hive>show tables; hive>desc test;   登录mysql，在TBLS表中查看新增test表： mysql -uhive -phive mysql>use hive; mysql>select TBL_ID, CREATE_TIME, DB_ID, OWNER, TBL_NAME,TBL_TYPE from TBLS;   3、问题解决 3.1 设置MySql数据库root用户密码报错   在CentOS6.5下安装mysql设置root密码时，出现如下错误： /usr/bin/mysqladmin: connect to server at 'localhost' failed error: 'Access denied for user 'root'@'localhost' (using password: NO)' 1、停止mysql服务 使用如下命令停止mysql服务： sudo service mysql stop sudo service mysql status   2、跳过验证启动mysql 使用如下命令验证启动mysql，由于&结尾是后台运行进程，运行该命令可以再打开命令窗口或者Ctr+C继续进行下步操作： mysqld_safe --skip-grant-tables & sudo service mysql status   3、跳过验证启动MySQL 验证mysql服务已经在后台运行后，执行如下语句，其中后面三条命令是在mysql语句： mysql -u root mysql>use mysql; mysql>update user set password = password('root') where user = 'root'; mysql>flush privileges;   4、跳过验证启动MySQL 重启mysql服务并查看状态 sudo service mysql stop sudo service mysql start sudo service mysql status   3.2 Hive启动，报CommandNeedRetryException异常 启动Hive时，出现CommandNeedRetryException异常，具体信息如下：   Exception in thread "main" java.lang.NoClassDefFoundError:org/apache/hadoop/hive/ql/CommandNeedRetryException         at java.lang.Class.forName0(Native Method)         at java.lang.Class.forName(Class.java:270)         at org.apache.hadoop.util.RunJar.main(RunJar.java:149) Caused by: java.lang.ClassNotFoundException: org.apache.hadoop.hive.ql.CommandNeedRetryException         at java.net.URLClassLoader$1.run(URLClassLoader.java:366)         at java.net.URLClassLoader$1.run(URLClassLoader.java:355)         at java.security.AccessController.doPrivileged(Native Method)         at java.net.URLClassLoader.findClass(URLClassLoader.java:354)         at java.lang.ClassLoader.loadClass(ClassLoader.java:425)         at java.lang.ClassLoader.loadClass(ClassLoader.java:358) 由于以前使用hadoop时，修改hadoop-env.sh的HADOOP_CLASSPATH配置项，由以前的： export HADOOP_CLASSPATH=/usr/local/hadoop-1.1.2/myclass 修改为： export HADOOP_CLASSPATH=$HADOOP_CLASSPATH:/usr/local/hadoop-1.1.2/myclass     3.3 在Hive中使用操作语言 启动Hive后，使用HSQL出现异常，需要启动metastore和hiveserver   FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.DDLTask. java.lang.RuntimeException: Unable to instantiate org.apache.hadoop.hive.metastore.HiveMetaStoreClient 在使用hive之前需要启动metastore和hiveserver服务，通过如下命令启用： hive --service metastore & hive --service hiveserver &   启动用通过jps命令可以看到两个进行运行在后台   参考资料： 1、《Hive体系结构》 http://blog.csdn.net/zhoudaxia/article/details/8855937 2、《大数据时代的技术hive：hive的数据类型和数据模型》http://www.cnblogs.com/sharpxiajun/archive/2013/06/03/3114560.html