hive搭建全程教程

备注：在安装Hive3.1.2之前，请首先安装Hadoop3.1.3。
一、安装Hive3.1.2

1. 下载并解压Hive安装包
   首先需要下载Hive安装包文件， Hive官网下载地址。找到apache-hive-3.1.2-bin.tar.gz文件，下载到本地

sudo tar -zxvf ./apache-hive-3.1.2-bin.tar.gz -C /usr/local   # 解压到/usr/local中
cd /usr/local/
sudo mv apache-hive-3.1.2-bin hive       # 将文件夹名改为hive
sudo chown -R hadoop:user hive            # 修改文件权限

Shell 命令
如果你当前使用用户名hadoop登录了Linux系统，则把用户替换成hadoop。
2. 配置环境变量
为了方便使用，我们把hive命令加入到环境变量中去，
请使用vim编辑器打开.bashrc文件，命令如下：

1. vim ~/.bashrc

在该文件最前面一行添加如下内容：

export HIVE_HOME=/usr/local/hive
export PATH=$PATH:$HIVE_HOME/bin
export HADOOP_HOME=/usr/local/hadoop

HADOOP_HOME需要被配置成你机器上Hadoop的安装路径，比如这里是安装在/usr/local./hadoop目录。
保存退出后，运行如下命令使配置立即生效：

source ~/.bashrc

修改/usr/local/hive/conf下的hive-site.xml
执行如下命令：

cd /usr/local/hive/conf
mv hive-default.xml.template hive-default.xml

Shell 命令
上面命令是将hive-default.xml.template重命名为hive-default.xml；
然后，使用vim编辑器新建一个配置文件hive-site.xml，命令如下：

cd /usr/local/hive/conf
vim hive-site.xml

Shell 命令
在hive-site.xml中添加如下配置信息：

<?xml version="1.0" encoding="UTF-8" standalone="no"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
  <property>
    <name>javax.jdo.option.ConnectionURL</name>
    <value>jdbc:mysql://192.168.31.132:3306/hive?createDatabaseIfNotExist=true&amp;useSSL=false</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>Yy123456.</value>
    <description>password to use against metastore database</description>
  </property>
  <property>
    <name>hive.metastore.schema.verification</name>
    <value>false</value>
  </property>
  <property>
    <name>hive.querylog.location</name>  
    <value>/tmp/hive</value>
    <description>Location of Hive run time structured log file</description>
  </property>
  <property>  
    <name>hive.exec.local.scratchdir</name>
    <value>/tmp/hive</value>
    <description>Local scratch space for Hive jobs</description>
  </property>
  <property>
    <name>hive.downloaded.resources.dir</name>
    <value>/tmp/${hive.session.id}_resources</value>
    <description>Temporary local directory for added resources in the remote file system.</description>
  </property>
</configuration>

然后，按键盘上的“ESC”键退出vim编辑状态，再输入:wq，保存并退出vim编辑器。
二、安装并配置mysql
这里我们采用MySQL数据库保存Hive的元数据，而不是采用Hive自带的derby来存储元数据。

 #将mysql-connector-java-8.0.29.jar拷贝到/usr/local/hive/lib目录下
mv ./mysql-connector-java-8.0.29.jar /usr/local/hive/lib

启动并登陆mysql

service mysql start #启动mysql服务
mysql -u root -p  #登陆shell界面

新建hive数据库

mysql> create database hive;    #这个hive数据库与hive-site.xml中

localhost:3306/hive的hive对应，用来保存hive元数据

配置mysql允许hive接入：

mysql> grant all on *.* to hive@localhost identified by 'hive';   #将所有数据库的所有表的所有权限赋给hive用户，后面的hive是配置hive-site.xml中配置的连接密码
mysql> flush privileges;  #刷新mysql系统权限关系表

启动hive
启动hive之前，请先启动hadoop集群。

start-dfs.sh #启动Hadoop的HDFS
hive  #启动hive

注意，我们这里已经配置了PATH，所以，不要把start-all.sh和hive命令的路径加上。如果没有配置PATH，请加上路径才能运行命令，比如，本教程Hadoop安装目录是“/usr/local/hadoop”，Hive的安装目录是“/usr/local/hive”，因此，启动hadoop和hive，也可以使用下面带路径的方式：

cd /usr/local/hadoop #进入Hadoop安装目录
./sbin/start-dfs.sh
cd /usr/local/hive
./bin/hive

使用mysql作为元数据库时登陆
启动Hive过程中，可能出现的错误和解决方案如下：
【错误1】
java.lang.NoSuchMethodError: com.google.common.base.Preconditions.checkArgument
【原因】
com.google.common.base.Preconditions.checkArgument 这是因为hive内依赖的guava.jar和hadoop内的版本不一致造成的。
【解决方法】
1.查看hadoop安装目录下share/hadoop/common/lib内guava.jar版本
2.查看hive安装目录下lib内guava.jar的版本 如果两者不一致，删除版本低的，并拷贝高版本的 问题解决！
【错误2】org.datanucleus.store.rdbms.exceptions.MissingTableException: Required table missing : “VERSION” in Catalog “” Schema “”. DataNucleus requires this table to perform its persistence operations.
【解决方案】
进入hive安装目录（比如/usr/local/hive），执行如下命令：./bin/schematool -dbType mysql -initSchema
【错误3】在启动Hive时，有可能会出现Hive metastore database is not initialized的错误，这里给出解决方案。
【解决方案】
解决Hive启动，Hive metastore database is not initialized的错误。出错原因：以前曾经安装了Hive或MySQL，重新安装Hive和MySQL以后，导致版本、配置不一致。解决方法是，使用schematool工具。Hive现在包含一个用于 Hive Metastore 架构操控的脱机工具，名为 schematool.此工具可用于初始化当前 Hive 版本的 Metastore 架构。此外，其还可处理从较旧版本到新版本的架构升级。所以，解决上述错误，你可以在终端执行如下命令:

cd /usr/local/hive
./bin/schematool -dbType mysql -initSchema

执行后，再启动Hive，应该就正常了。
启动进入Hive的交互式执行环境以后，会出现如下命令提示符：

1. hive>
   hive
   可以在里面输入SQL语句，如果要退出Hive交互式执行环境，可以输入如下命令：
2. hive>exit;
   hive
   三、Hive的常用HiveQL操作
   1）Hive基本数据类型
   首先，我们简单叙述一下HiveQL的基本数据类型。
   Hive支持基本数据类型和复杂类型, 基本数据类型主要有数值类型(INT、FLOAT、DOUBLE ) 、布尔型和字符串, 复杂类型有三种:ARRAY、MAP 和 STRUCT。
   a.基本数据类型
   • TINYINT: 1个字节
   • SMALLINT: 2个字节
   • INT: 4个字节
   • BIGINT: 8个字节
   • BOOLEAN: TRUE/FALSE
   • FLOAT: 4个字节，单精度浮点型
   • DOUBLE: 8个字节，双精度浮点型STRING 字符串
   b.复杂数据类型
   • ARRAY: 有序字段
   • MAP: 无序字段
   • STRUCT: 一组命名的字段
   2）常用的HiveQL操作命令
   Hive常用的HiveQL操作命令主要包括：数据定义、数据操作。接下来详细介绍一下这些命令即用法（想要了解更多请参照《Hive编程指南》一书）。
   a.数据定义：主要用于创建修改和删除数据库、表、视图、函数和索引。
   创建、修改和删除数据库
3. create database if not exists hive; #创建数据库
4. show databases; #查看Hive中包含数据库
5. show databases like ‘h.*’; #查看Hive中以h开头数据库
6. describe databases; #查看hive数据库位置等信息
7. alter database hive set dbproperties; #为hive设置键值对属性
8. use hive; #切换到hive数据库下
9. drop database if exists hive; #删除不含表的数据库
10. drop database if exists hive cascade; #删除数据库和它中的表
    sql
    注意，除 dbproperties属性外，数据库的元数据信息都是不可更改的，包括数据库名和数据库所在的目录位置，没有办法删除或重置数据库属性。
    创建、修改和删除表
11. #创建内部表（管理表）
12. create table if not exists hive.usr(

13.    name string comment 'username',
    

14.    pwd string comment 'password',
    

15.    address struct<street:string,city:string,state:string,zip:int>,
    

16.    comment  'home address',
    

17.    identify map<int,tinyint> comment 'number,sex') 
    

18.    comment 'description of the table'  
    

19.   tblproperties('creator'='me','time'='2016.1.1'); 
    

20. #创建外部表
21. create external table if not exists usr2(

22.   name string,
    

23.   pwd string,
    

24. address structstreet:string,city:string,state:string,zip:int,

25.   identify map<int,tinyint>) 
    

26.   row format delimited fields terminated by ','
    

27.  location '/usr/local/hive/warehouse/hive.db/usr'; 
    

28. #创建分区表
29. create table if not exists usr3(

30.   name string,
    

31.   pwd string,
    

32.   address struct<street:string,city:string,state:string,zip:int>,
    

33.   identify map<int,tinyint>) 
    

34.   partitioned by(city string,state string);    
    

35. #复制usr表的表模式
36. create table if not exists hive.usr1 like hive.usr;
38. show tables in hive;
39. show tables ‘u.*’; #查看hive中以u开头的表
40. describe hive.usr; #查看usr表相关信息
41. alter table usr rename to custom; #重命名表
43. #为表增加一个分区
44. alter table usr2 add if not exists

45.  partition(city=”beijing”,state=”China”) 
    

46.  location '/usr/local/hive/warehouse/usr2/China/beijing'; 
    

47. #修改分区路径
48. alter table usr2 partition(city=”beijing”,state=”China”)

49.  set location '/usr/local/hive/warehouse/usr2/CH/beijing';
    

50. #删除分区
51. alter table usr2 drop if exists partition(city=”beijing”,state=”China”)
52. #修改列信息
53. alter table usr change column pwd password string after address;
55. alter table usr add columns(hobby string); #增加列
56. alter table usr replace columns(uname string); #删除替换列
57. alter table usr set tblproperties(‘creator’=‘liming’); #修改表属性
58. alter table usr2 partition(city=”beijing”,state=”China”) #修改存储属性
59. set fileformat sequencefile;
60. use hive; #切换到hive数据库下
61. drop table if exists usr1; #删除表
62. drop database if exists hive cascade; #删除数据库和它中的表
    sql
    视图和索引的创建、修改和删除
    主要语法如下，用户可自行实现。
63. create view view_name as…; #创建视图
64. alter view view_name set tblproperties(…); #修改视图
    sql
    因为视图是只读的，所以 对于视图只允许改变元数据中的 tblproperties属性。
65. #删除视图
66. drop view if exists view_name;
67. #创建索引
68. create index index_name on table table_name(partition_name/column_name)
69. as ‘org.apache.hadoop.hive.ql.index.compact.CompactIndexHandler’ with deferred rebuild…;
    sql
    这里’org.apache.hadoop.hive.ql.index.compact.CompactIndexHandler’是一个索引处理器，即一个实现了索引接口的Java类，另外Hive还有其他的索引实现。
70. alter index index_name on table table_name partition(…) rebulid; #重建索引
    sql
    如果使用 deferred rebuild，那么新索引成空白状态，任何时候可以进行第一次索引创建或重建。
71. show formatted index on table_name; #显示索引
72. drop index if exists index_name on table table_name; #删除索引
    sql
    用户自定义函数
    在新建用户自定义函数（UDF）方法前，先了解一下Hive自带的那些函数。show functions; 命令会显示Hive中所有的函数名称：

若想要查看具体函数使用方法可使用describe function 函数名：

首先编写自己的UDF前需要继承UDF类并实现evaluate()函数，或是继承GenericUDF类实现initialize()函数、evaluate()函数和getDisplayString()函数，还有其他的实现方法，感兴趣的用户可以自行学习。
另外，如果用户想在Hive中使用该UDF需要将我们编写的Java代码进行编译，然后将编译后的UDF二进制类文件(.class文件)打包成一个JAR文件，然后在Hive会话中将这个JAR文件加入到类路径下，在通过create function语句定义好使用这个Java类的函数。

1. add jar <jar文件的绝对路径>; #创建函数
2. create temporary function function_name;
3. drop temporary function if exists function_name; #删除函数
   sql
   3）数据操作
   主要实现的是将数据装载到表中（或是从表中导出），并进行相应查询操作，对熟悉SQL语言的用户应该不会陌生。
   向表中装载数据
   这里我们以只有两个属性的简单表为例来介绍。首先创建表stu和course，stu有两个属性id与name，course有两个属性cid与sid。
4. create table if not exists hive.stu(id int,name string)
5. row format delimited fields terminated by ‘\t’;
6. create table if not exists hive.course(cid int,sid int)
7. row format delimited fields terminated by ‘\t’;
   sql
   向表中装载数据有两种方法：从文件中导入和通过查询语句插入。
   a.从文件中导入
   假如这个表中的记录存储于文件stu.txt中，该文件的存储路径为/usr/local/hadoop/examples/stu.txt，内容如下。
   stu.txt：
   1 xiapi
   2 xiaoxue
   3 qingqing
   下面我们把这个文件中的数据装载到表stu中，操作如下：
8. load data local inpath ‘/usr/local/hadoop/examples/stu.txt’ overwrite into table stu;
   sql
   如果stu.txt文件存储在HDFS 上，则不需要 local 关键字。
   b.通过查询语句插入
   使用如下命令，创建stu1表，它和stu表属性相同，我们要把从stu表中查询得到的数据插入到stu1中：
9. create table stu1 as select id,name from stu;
   sql
   上面是创建表，并直接向新表插入数据；若表已经存在，向表中插入数据需执行以下命令：
10. insert overwrite table stu1 select id,name from stu where（条件）;
    sql
    这里关键字overwrite的作用是替换掉表（或分区）中原有数据，换成into关键字，直接追加到原有内容后。
    从表中导出数据
    a.可以简单拷贝文件或文件夹
    命令如下：
11. hadoop fs -cp source_path target_path;
    Shell
    b.写入临时文件
    命令如下：
12. insert overwrite local directory ‘/usr/local/hadoop/tmp/stu’ select id,name from stu;
    sql
    查询操作
    和SQL的查询完全一样，这里不再赘述。主要使用select…from…where…等语句，再结合关键字group by、having、like、rlike等操作。这里我们简单介绍一下SQL中没有的case…when…then…句式、join操作和子查询操作。
    case…when…then…句式和if条件语句类似，用于处理单个列的查询结果，语句如下：
13. select id,name,
14. case
15. when id=1 then ‘first’
16. when id=2 then ‘second’
17. else ‘third’
    sql
    结果如下：

连接
连接（join）是将两个表中在共同数据项上相互匹配的那些行合并起来, HiveQL 的连接分为内连接、左向外连接、右向外连接、全外连接和半连接 5 种。
a. 内连接(等值连接)
内连接使用比较运算符根据每个表共有的列的值匹配两个表中的行。
首先，我们先把以下内容插入到course表中（自行完成）。
1 3
2 1
3 1
下面, 查询stu和course表中学号相同的所有行，命令如下：

1. select stu., course. from stu join course on(stu .id=course .sid);
   sql
   执行结果如下：

b. 左连接
左连接的结果集包括“LEFT OUTER”子句中指定的左表的所有行, 而不仅仅是连接列所匹配的行。如果左表的某行在右表中没有匹配行, 则在相关联的结果集中右表的所有选择列均为空值，命令如下：

1. select stu., course. from stu left outer join course on(stu .id=course .sid);
   sql
   执行结果如下：

c. 右连接
右连接是左向外连接的反向连接,将返回右表的所有行。如果右表的某行在左表中没有匹配行,则将为左表返回空值。命令如下：

1. select stu., course. from stu right outer join course on(stu .id=course .sid);
   sql
   执行结果如下：

d. 全连接
全连接返回左表和右表中的所有行。当某行在另一表中没有匹配行时,则另一个表的选择列表包含空值。如果表之间有匹配行,则整个结果集包含基表的数据值。命令如下：

1. select stu., course. from stu full outer join course on(stu .id=course .sid);
   sql
   执行结果如下：

e. 半连接
半连接是 Hive 所特有的, Hive 不支持 in 操作,但是拥有替代的方案; left semi join, 称为半连接, 需要注意的是连接的表不能在查询的列中,只能出现在 on 子句中。命令如下：

1. select stu.* from stu left semi join course on(stu .id=course .sid);
   sql
   执行结果如下：

子查询
标准 SQL 的子查询支持嵌套的 select 子句,HiveQL 对子查询的支持很有限,只能在from 引导的子句中出现子查询。
注意，在定义或是操作表时，不要忘记指定所需数据库。
四、Hive简单编程实践
下面我们以词频统计算法为例，来介绍怎么在具体应用中使用Hive。词频统计算法又是最能体现MapReduce思想的算法之一，这里我们可以对比它在MapReduce中的实现，来说明使用Hive后的优势。
MapReduce实现词频统计的代码可以通过下载Hadoop源码后，在 $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar 包中找到(wordcount类)，wordcount类由63行Java代码编写而成。下面首先简单介绍一下怎么使用MapReduce中wordcount类来统计单词出现的次数，具体步骤如下：
1）创建input目录，output目录会自动生成。其中input为输入目录，output目录为输出目录。命令如下：

1. cd /usr/local/hadoop
2. mkdir input
   Shell
   2）然后，在input文件夹中创建两个测试文件file1.txt和file2.txt，命令如下：
3. cd /usr/local/hadoop/input
4. echo “hello world” > file1.txt
5. echo “hello hadoop” > file2.txt
   Shell
   3）执行如下hadoop命令：
6. cd …
7. hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount input output
   Shell
   4）我们可以到output文件夹中查看结果，结果如下：

下面我们通过HiveQL实现词频统计功能，此时只要编写下面7行代码，而且不需要进行编译生成jar来执行。HiveQL实现命令如下：

1. create table docs(line string);
2. load data inpath ‘file:///usr/local/hadoop/input’ overwrite into table docs;
3. create table word_count as
4. select word, count(1) as count from
5. (select explode(split(line,’ '))as word from docs) w
6. group by word
7. order by word;
   sql
   执行后，用select语句查看，结果如下：

由上可知，采用Hive实现最大的优势是，对于非程序员，不用学习编写Java MapReduce代码了，只需要用户学习使用HiveQL就可以了，而这对于有SQL基础的用户而言是非常容易的。