Hive基本概念

最新推荐文章于 2023-06-15 15:34:50 发布

世界上怎么可能没有迪迦

最新推荐文章于 2023-06-15 15:34:50 发布

阅读量306

点赞数 2

分类专栏：大数据

本文链接：https://blog.csdn.net/guoxiang1030_/article/details/103148110

版权

大数据专栏收录该内容

15 篇文章 0 订阅

订阅专栏

1.1、Hive简介

什么是Hive

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数据库表，并提供类SQL查询功能（HQL）。

其本质是将SQL转换为MapReduce的任务进行运算，底层由HDFS来提供数据的存储，hive可以理解为一个将SQL转换为MapReduce的任务的工具。

为什么使用Hive

直接使用hadoop所面临的问题

人员学习成本太高

项目周期要求太短

MapReduce实现复杂查询逻辑开发难度太大

为什么要使用Hive

操作接口采用类SQL语法，提供快速开发的能力。

避免了去写MapReduce，减少开发人员的学习成本。

功能扩展很方便。

Hive的特点

可扩展

Hive可以自由的扩展集群的规模，一般情况下不需要重启服务。

延展性

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。

容错

良好的容错性，节点出现问题SQL仍可完成执行。

1.2、 Hive架构

架构图

基本组成

用户接口：包括CLI、JDBC/ODBC、WebGUI。其中，CLI(command line interface)为shell命令行；JDBC/ODBC是Hive的JAVA实现，与传统数据库JDBC类似；WebGUI是通过浏览器访问Hive。

元数据存储：通常是存储在关系数据库如mysql/derby中。Hive 将元数据存储在数据库中。Hive 中的元数据包括表的名字，表的列和分区及其属性，表的属性（是否为外部表等），表的数据所在目录等。

解释器、编译器、优化器、执行器:完成HQL 查询语句从词法分析、语法分析、编译、优化以及查询计划的生成。生成的查询计划存储在HDFS 中，并在随后有MapReduce 调用执行。

1.3、Hive与Hadoop的关系

Hive利用HDFS存储数据，利用MapReduce查询分析数据

1.4、Hive与传统数据库对比

hive用于海量数据的离线数据分析

数据格式。Hive中没有定义专门的数据格式，数据格式可以由用户指定，用户定义数据格式需要指定三个属性：列分隔符（通常为空格、”\t”、”\x001″）、行分隔符（”\n”）以及读取文件数据的方法（Hive 中默认有三个文件格式 TextFile，SequenceFile 以及 RCFile）。
Hive在加载数据的过程中，不需要从用户数据格式到 Hive 定义的数据格式的转换。
Hive 在加载的过程中不会对数据本身进行任何修改，甚至不会对数据进行扫描。而只是将数据内容复制或者移动到相应的 HDFS 目录中。
Hive 中不支持对数据的改写和添加，所有的数据都是在加载的时候中确定好的。
Hive 在加载数据的过程中不会对数据中的某些 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。由于数据的访问延迟较高，决定了Hive 不适合在线数据查询。
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。

总结：hive具有sql数据库的外表，但应用场景完全不同，hive只适合用来做批量数据统计分析。

1.5、Hive的数据存储

Hive中所有的数据都存储在 HDFS 中，没有专门的数据存储格式（可支持Text，SequenceFile，ParquetFile，ORC格式RCFILE等）
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 中包含以下数据模型：DB、Table，External Table，Partition，Bucket。

db：在hdfs中表现为${hive.metastore.warehouse.dir}目录下一个文件夹
table：在hdfs中表现所属db目录下一个文件夹
external table：与table类似，不过其数据存放位置可以在任意指定路径
partition：在hdfs中表现为table目录下的子目录
bucket：在hdfs中表现为同一个表目录下根据hash散列之后的多个文件

1.6、HIVE的安装部署

我们在此处选择第三台机器作为我们hive的安装机器

1.6.1 安装

1.6.1.1、derby版hive直接使用：

1、解压hive

cd /export/softwares

tar -zxvf hive-1.1.0-cdh5.14.0.tar.gz -C ../servers/

2、直接启动 bin/hive

cd ../servers/

cd hive-1.1.0-cdh5.14.0/

bin/hive

hive> create database mytest;

缺点：多个地方安装hive后，每一个hive是拥有一套自己的元数据，大家的库、表就不统一；

1.6.1.2、使用mysql共享hive元数据

mysql数据库的安装（使用rpm包的方式进行安装，不推荐）

第一步：查看系统自带的mysql的rpm包

rpm -qa | grep mysql

rpm -e mysql-libs-5.1.73-8.el6_8.x86_64 --nodeps

第二步：安装mysql的rpm包

rpm -ivh *.rpm

第三步：启动mysql的服务

service mysqld start

第四步：查看mysql初始化密码

more /root/.mysql_secret

第五步：使用随记密码登录mysql并更新密码

mysql -uroot –p

SET PASSWORD = PASSWORD('123456');

第六步：开启mysql远程连接

grant all privileges on *.* to 'root'@'%' identified by '123456' with grant option;

flush privileges;

第七步：设置mysql的开机启动

chkconfig --add mysqld

chkconfig mysqld on

mysql数据库的安装（使用yum源进行安装，强烈推荐）

第一步：在线安装mysql相关的软件包

yum install mysql mysql-server mysql-devel

第二步：启动mysql的服务

/etc/init.d/mysqld start

chkconfig mysqld on

第三步：进入mysql的客户端然后进行授权

use mysql;

配置远程连接

grant all privileges on *.* to 'root'@'%' identified by '123456' with grant option;

flush privileges;

第四步设置root用户链接mysql的密码

update user set password=password('123456') where user='root';

flush privileges;

修改hive的配置文件

修改hive-env.sh

添加我们的hadoop的环境变量：

cd /export/servers/hive-1.1.0-cdh5.14.0/conf

cp hive-env.sh.template hive-env.sh

vim hive-env.sh

修改hive-site.xml

cd /export/servers/hive-1.1.0-cdh5.14.0/conf

vim hive-site.xml

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

<configuration>

        <property>

                <name>javax.jdo.option.ConnectionURL</name>

                <value>jdbc:mysql://node03:3306/hive?createDatabaseIfNotExist=true</value>

        </property>

        <property>

                <name>javax.jdo.option.ConnectionDriverName</name>

                <value>com.mysql.jdbc.Driver</value>

        </property>

        <property>

                <name>javax.jdo.option.ConnectionUserName</name>

                <value>root</value>

        </property>

        <property>

                <name>javax.jdo.option.ConnectionPassword</name>

                <value>123456</value>

        </property>

        <property>

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

                <value>true</value>

        </property>

        <property>

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

                <value>true</value>

        </property>

        <property>

                <name>hive.server2.thrift.bind.host</name>

                <value>node03</value>

        </property>



</configuration>