大数据技术之Hive（二）

二 Hive 安装环境准备

2.1 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

2.2 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

[atguigu@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

[atguigu@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

[atguigu@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

export HADOOP_HOME=/opt/module/hadoop-2.7.2 

　　（b）配置 HIVE_CONF_DIR 路径

2）Hadoop 集群配置

（1）必须启动 hdfs 和 yarn

[atguigu@hadoop102 hadoop-2.7.2]$ sbin/start-dfs.sh

[atguigu@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

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

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

3）Hive 基本操作

（1）启动 hive

[atguigu@hadoop102 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;

2.3 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

[atguigu@hadoop102 module]$ mkdir datas

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

[atguigu@hadoop102 module]$ touch student.txt
[atguigu@hadoop102 module]$ 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

[atguigu@hadoop102 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 FIELDS TERMINATED 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;

local表示从加载本地的数据路径，不加local则表示从hdfs上加载文件的路径
（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。

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.(RetryingMetaStoreClient.ja
va:86)
at
org.apache.hadoop.hive.metastore.RetryingMetaStoreClient.getProxy(RetryingMetaStoreClien
t.java:132)
at
org.apache.hadoop.hive.metastore.RetryingMetaStoreClient.getProxy(RetryingMetaStoreClien
t.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;

2.4 MySql 安装

2.4.1 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
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

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

2.4.2 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

2.4.3 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 -pOEXaQuS8IWkG19Xs

3）修改密码

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

4）退出 mysql

mysql>exit

2.4.4 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;

2.5 Hive 元数据配置到 MySql

2.5.1 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/

2.5.2 配置 Metastore 到 MySql

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

[root@hadoop102 conf]# touch hive-site.xml 
[root@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+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>000000</value>

<description>password to use against metastore database</description> </property>

<property>

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

<value>true</value>

<description>Whether to include the current database in the Hive prompt.</description>

</property>

<property>

<name>hive.cli.print.header</name>

<value>false</value>

<description>Whether to print the names of the columns in query output.</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）

2.5.3 多窗口启动 Hive 测试

1）先启动 MySQL

[atguigu@hadoop102 mysql-libs]$ 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

[atguigu@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 |
+——————–+

2.6 Hive 常用交互命令

[atguigu@hadoop102 hive]$ 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

[atguigu@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

[atguigu@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

[atguigu@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

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

2.7 Hive 其他命令操作

1）退出 hive 窗口：

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

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/atguigu

（2）查看. hivehistory 文件

[atguigu@hadoop102 ~]$ cat .hivehistory

2.8 Hive 常见属性配置

2.8.1 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

2.8.2 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

2.8.3 Hive 运行日志信息配置

1）Hive 的 log 默认存放在/tmp/atguigu/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

[atguigu@hadoop102 conf]$ pwd
/opt/module/hive/conf

[atguigu@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

2.8.4 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：

[atguigu@hadoop103 hive]$ 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。