Hive数据仓库

Hive安装环境

1.1 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

1.2 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

                  $ 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

                  $ 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

                   $ mv hive-env.sh.template hive-env.sh

       （5）配置hive-env.sh文件

              （a）配置HADOOP_HOME路径export HADOOP_HOME=/opt/module/hadoop-2.7.2

              （b）配置HIVE_CONF_DIR路径export HIVE_CONF_DIR=/opt/module/hive/conf

      2）Hadoop集群配置

       （1）必须启动hdfs和yarn

                $ sbin/start-dfs.sh

                $ 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

               $ bin/hadoop fs -mkdir /tmp

               $ bin/hadoop fs -mkdir -p /user/hive/warehouse

               $ bin/hadoop fs -chmod g+w /tmp

               $ bin/hadoop fs -chmod g+w /user/hive/warehouse

    3）Hive基本操作

         （1）启动hive

                  $ bin/hive

        （2）查看数据库

                 hive>show databases;

        （3）打开默认数据库

                 hive>use default;

       （4）显示default数据库中的表

                 hive>show tables;

       （5）创建一张表

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

      （6）显示数据库中有几张表

                hive>show tables;

      （7）查看表的结构

              hive>desc student;

      （8）向表中插入数据

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

      （9）查询表中数据

             hive> select * from student;

      （10）退出hive

              hive> quit;

1.3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/student.txt

这个目录下准备数据

（1）在/opt/module/目录下创建datas

          $ mkdir datas

（2）在/opt/module/datas/

目录下创建student.txt文件并添加数据

         $touch student.txt

         $vi student.txt

         注意以tab键间隔。

2）Hive实际操作

    （1）启动hive

         $ bin/hive

    （2）显示数据库

         hive>show databases;

    （3）使用default数据库

         hive>use default;

    （4）显示default数据库中的表

         hive>show tables;

    （5）删除已创建的student表

         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 FIELDSTERMINATED BY '\t';

    （7）加载/opt/module/datas/student.txt文件到student数据库表中。

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

    （8）Hive查询结果

         hive> select * from student;

       

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。

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;

 

1.4 MySql安装

    1.4.1安装包准备

    1）查看mysql是否安装，如果安装了，卸载mysql

（1）查看

[root@hadoop102桌面]# rpm -qa|grep mysql

mysql-libs-5.1.73-7.el6.x86_64

（2）卸载

[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，并设置当前用户执行权限

          [root@hadoop102 mysql-libs]# ll

          [root@hadoop102 mysql-libs]# chmod u+x ./*

          [root@hadoop102 mysql-libs]# ll

 

1.4.2安装MySql服务器

     1）安装mysql服务端

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

    2）查看产生的随机密码

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

          OEXaQuS8IWkG19Xs

    3）查看mysql状态

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

   4）启动mysql

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

1.4.3安装MySql客户端

   1）安装mysql客户端

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

   2）链接mysql

         [root@hadoop102 mysql-libs]# mysql -uroot -p

         OEXaQuS8IWkG19Xs

3）修改密码

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

4）退出mysql

       mysql>exit

1.4.4 MySql中user表中主机配置配置只要是root用户+密码，在任何主机上都能登录MySQL数据库。

     1）进入mysql

          [root@hadoop102 mysql-libs]# mysql -uroot -p000000

     2）显示数据库

          mysql>show databases;

     3）使用mysql数据库

         mysql>use mysql;

     4）展示mysql数据库中的所有表

          mysql>show tables;

     5）展示user表的结构

          mysql>desc user;

     6）查询user表

          mysql>select User, Host, Password from user;

    7）修改user表，把Host表内容修改为%

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

   8）删除root用户的其他host

         mysql>delete from user where Host='hadoop102 ';

         mysql>delete from user where Host='127.0.0.1';

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

   9）刷新

        mysql>flush privileges;

  10）退出

       mysql> quit;

1.5 Hive元数据配置到MySql

  1.5.1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

       [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/

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

 

1.5.2配置Metastore到MySql

    1）在/opt/module/hive/conf目录下创建一个hive-site.xml

          $ touch hive-site.xml

          $ 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+MetastoreAdmin

<?xml version="1.0"?>

<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<configuration>

<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>123456</value>

<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）

如果有错误：

FAILED: SemanticException org.apache.hadoop.hive.ql.metadata.HiveException:

java.lang.RuntimeException:Unabletoinstantiate

org.apache.hadoop.hive.ql.metadata.SessionHiveMetaStoreClient

解决办法：hive元数据库初始化schematool -dbType mysql -initSchema

1.5.3多窗口启动Hive测试

      1）先启动MySQL

            $ mysql -uroot -p000000

            查看有几个数据库

            mysql>show databases;

      2）再次打开多个窗口，分别启动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;

1.6 Hive常用交互命令

       $ bin/hive -help

usage: hive

-d,--define <key=value> Variable subsitution to apply to hive

commands. e.g. -d A=B or --define A=B

--database <databasename> Specify the database to use

-e <quoted-query-string> SQL from command line

-f <filename> SQL from files

-H,--help Print help information

--hiveconf <property=value> Use value for given property

--hivevar <key=value> Variable subsitution to apply to hive

commands. e.g. --hivevar A=B

-i <filename> Initialization SQL file

-S,--silent Silent mode in interactive shell

-v,--verbose Verbose mode (echo executed SQL to the console)

       1）“-e”不进入hive的交互窗口执行sql语句

            $ 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

             $ 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

             $ 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

             $ bin/hive -f /opt/module/datas/hivef.sql >

             /opt/module/datas/hive_result.txt

  1.7 Hive其他命令操作

    1）退出hive窗口：

          hive(default)>exit;

         hive(default)>quit;

         在新版的oracle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

         hive(default)>dfs -ls /;

   3）在hive cli命令窗口中如何查看hdfs本地系统

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

   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/itstar

      （2）查看. hivehistory文件

             $ cat .hivehistory

1.8Hive常见属性配置

1.8.1 Hive数据仓库位置配置

      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

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

 

1.8.2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>

<property>

<name>hive.cli.print.current.db</name>

<value>true</value>

</property>

   2）重新启动hive，对比配置前后差异

    （1）配置前

       

   （2）配置后

        

1.8.3 Hive运行日志信息配置

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

    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

         $ pwd /opt/module/hive/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

 

1.8.4参数配置方式

    1）查看当前所有的配置信息

         hive>set;

   2）参数的配置三种方式

    （1）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）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： $ bin/hive -hiveconf mapred.reduce.tasks=10;

           注意：仅对本次hive启动有效

           查看参数设置：hive (default)> set mapred.reduce.tasks;

  （3）参数声明方式可以在HQL中使用SET关键字设定参数

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

        注意：仅对本次hive启动有效。

          查看参数设置

          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。