大数据工程师、数据分析师利器：hive2.1.0新特性介绍及升级实战！

最新推荐文章于 2021-05-18 10:41:43 发布

PMP4561705

最新推荐文章于 2021-05-18 10:41:43 发布

阅读量2.3k

点赞数

分类专栏：大数据文章标签： hive hadoop hive2.1

大数据专栏收录该内容

22 篇文章 0 订阅

订阅专栏

大数据工程师、数据分析师利器：hive2.1.0新特性介绍及升级实战！

一、缘起

hive官网（http://hive.apache.org/）在6月20日，，发布了Hive2.1.0版本，并宣称它是新时代大数据工程师、数据分析师的利器，Apache Hive 2.1新引入了6大性能，包括：

（1）LLAP。ApacheHive 2.0引入了LLAP（Live Long And Process），而2.1则对其进行了极大的优化，相比于ApacheHive 1，其性能提升约25倍；

（2）更鲁棒的SQL ACID支持；

（3）2X ETL性能提升。引入更智能的CBO（Cost Based Optimizer），更快的类型转换以及动态分区优化；

（4）支持存储过程。加大简化了从EDW迁移到Hive的流程。这是通过开源项目HPL/SQL（Apache开源协议，http://www.hplsql.org/）实现的，HPL/SQL的目的是为Apache Hive,SparkSQL, Impala 以及其他SQL-on-Hadoop实现,任何 NoSQL和 RDBMS增加存储过程的实现；

（5）对文本格式数据增加向量化计算的支持；

（6）引入新的诊断和监控工具，包括新的HiveServer2 UI，LLAPUI和改进的Tez UI。

在性能方面，据称，HIVE2.1性能提高约26倍。

二、深入

接下来详细介绍对ApacheHive 2.1性能提升至关重要的优化：LLAP。

LLAP是“Live Long and Process”的简写，它引入了分布式持久化查询服务，并结合经优化的数据缓存机制，可快速启动查询计算作业并避免无需的磁盘IO操作。简而言之，LLAP是下一代分布式计算架构，它能够智能地将数据缓存到多台机器内存中，并允许所有客户端共享这些缓存的数据，同时保留了弹性伸缩能力。

相比于Hive 1 + Tez，Hive2+ Tez+LLAP性能提升约26倍，测试结果如下图所示（测试结果是通过https://github.com/hortonworks/hive-testbench得到的）：

Hive2 LLAP的引入，标志着ApacheHive进入内存计算时代。总结起来，内存计算类型可分为以下三类：

其中，Type1已被Apachehadoop生态系统证明其性能不会太高，因而Hive直接进入Type2，目前对Type2中所有特性均支持地很好，包括分布式内存管理和优化，内存数据共享等。此外，ApacheHive正进一步优化性能，包括支持新型存储介质Flash，扩展LLAP能力，使其可以直接处理压缩数据而无需事先解压。

三、上手

1：下载文件

2：解压至指定目录

我这里hive的存放目录是/opt/bigdata/hive，并重命名为hive

tar -zxvf /home/thinkgamer/下载/apache-hive-2.1.0-bin.tar.gz -C /opt/bigdata/
mv apache-hive-2.1.0-bin/ hive

3：Mysql创建hive21用户

创建hive21用户，赋予权限，清除缓存

CREATE USER 'hive21' IDENTIFIED BY 'hive21';
grant all privileges on *.* to 'hive21' with grant option;
flush privileges;
 
 1
2
3
 
 1
2
3

4：拷贝msyql jar包到hive/lib

cp /path/to/mysql-connector-Java-5.1.38-bin.jar hive/lib

5：修改配置文件

(1)：javax.jdo.option.ConnectionURL

<name>javax.jdo.option.ConnectionURL</name>
    <value>jdbc:mysql://localhost:3306/hive21?createDatabaseIfNotExist=true&amp;useUnicode=true&amp;characterEncoding=UTF-8</value>

 
 1
2
3
 
 1
2
3

(2)：javax.jdo.option.ConnectionDriverName

<name>javax.jdo.option.ConnectionDriverName</name>
<value>com.mysql.jdbc.Driver</value>
 
 1
2
 
 1
2

(3)：javax.jdo.option.ConnectionUserName

<name>javax.jdo.option.ConnectionUserName</name>  
<value>hive21</value>  
 
 1
2
 
 1
2

(4)：javax.jdo.option.ConnectionPassword

<name>javax.jdo.option.ConnectionPassword</name>
<value>hive21</value>
 
 1
2
 
 1
2

6：启动/测试

bin/hive

hive> show databases;
OK
default
Time taken: 1.123 seconds, Fetched: 1 row(s)
hive> create table table_name (  
    >   id                int,  
    >   dtDontQuery       string,  
    >   name              string  
    > );  
OK
Time taken: 0.983 seconds
hive> show tables;
OK
table_name
Time taken: 0.094 seconds, Fetched: 1 row(s)
 
 1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
 
 1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

这个时候进入mysql数据库有一个hive21的数据库

mysql> show databases;
+--------------------+
| Database           |
+--------------------+
| information_schema |
| hive               |
| hive21             |
| mysql              |
| performance_schema |
+--------------------+
 
 1
2
3
4
5
6
7
8
9
10
 
 1
2
3
4
5
6
7
8
9
10

7：踩过的坑

(1)：没有初始化hive元数据库

报错如下：

Caused by: MetaException(message:Hive metastore database is not initialized. Please use schematool (e.g. ./schematool -initSchema -dbType ...) to create the schema.  
If needed, don't forget to include the option to auto-create the underlying database in your JDBC connection string (e.g. ?createDatabaseIfNotExist=true for mysql))  
 
 1
2
 
 1
2

解决办法：

bin/schematool -initSchema -dbType mysql --verbose 
 
 1
 
 1

此问题解决时在网上查阅资料有人说这里要初始化derby数据库，个人认为这是不正确的，因为我们已经配置使用了mysql作为元数据库

(2)：未配置日志和缓存目录

报错如下：

Logging initialized using configuration in file:/opt/bigdata/hive/conf/hive-log4j2.properties Async: true
Exception in thread "main" java.lang.IllegalArgumentException: java.net.URISyntaxException: Relative path in absolute URI: ${system:java.io.tmpdir%7D/$%7Bsystem:user.name%7D
    at org.apache.hadoop.fs.Path.initialize(Path.java:205)
    at org.apache.hadoop.fs.Path.<init>(Path.java:171)
    at org.apache.hadoop.hive.ql.session.SessionState.createSessionDirs(SessionState.java:631)
    at org.apache.hadoop.hive.ql.session.SessionState.start(SessionState.java:550)
    at org.apache.hadoop.hive.ql.session.SessionState.beginStart(SessionState.java:518)
    at org.apache.hadoop.hive.cli.CliDriver.run(CliDriver.java:705)
    at org.apache.hadoop.hive.cli.CliDriver.main(CliDriver.java:641)
    at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
    at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62)
    at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
    at java.lang.reflect.Method.invoke(Method.java:498)
    at org.apache.hadoop.util.RunJar.run(RunJar.java:221)
    at org.apache.hadoop.util.RunJar.main(RunJar.java:136)
Caused by: java.net.URISyntaxException: Relative path in absolute URI: ${system:java.io.tmpdir%7D/$%7Bsystem:user.name%7D
    at java.net.URI.checkPath(URI.java:1823)
    at java.net.URI.<init>(URI.java:745)
    at org.apache.hadoop.fs.Path.initialize(Path.java:202)
    ... 12 more
 
 1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
 
 1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

解决办法：

修改 hive-site.xml 替换${system:java.io.tmpdir} 和 ${system:user.name}为/opt/bigdata/hive/tmp

四、总结反思

hive2.1 和hive1.2的简单比较

hive1.2

[master@master1 hive]$ bin/hive --service help  
Usage ./hive <parameters> --service serviceName <service parameters>  
Service List: beeline cli help hiveburninclient hiveserver2 hiveserver hwi jar lineage metastore metatool orcfiledump rcfilecat schemaTool version   
Parameters parsed:  
  --auxpath : Auxillary jars   
  --config : Hive configuration directory  
  --service : Starts specific service/component. cli is default  
Parameters used:  
  HADOOP_HOME or HADOOP_PREFIX : Hadoop install directory  
  HIVE_OPT : Hive options  
For help on a particular service:  
  ./hive --service serviceName --help  
Debug help:  ./hive --debug --help  
   
   1
2
3
4
5
6
7
8
9
10
11
12
13
   
   1
2
3
4
5
6
7
8
9
10
11
12
13

hive2.1

root@thinkgamer-pc:/opt/bigdata/hive# bin/hive --service help
Usage ./hive <parameters> --service serviceName <service parameters>
Service List: beeline cleardanglingscratchdir cli hbaseimport hbaseschematool help hiveburninclient hiveserver2 hplsql hwi jar lineage llapdump llap llapstatus metastore metatool orcfiledump rcfilecat schemaTool version 
Parameters parsed:
  --auxpath : Auxillary jars 
  --config : Hive configuration directory
  --service : Starts specific service/component. cli is default
Parameters used:
  HADOOP_HOME or HADOOP_PREFIX : Hadoop install directory
  HIVE_OPT : Hive options
For help on a particular service:
  ./hive --service serviceName --help
Debug help:  ./hive --debug --help
   
   1
2
3
4
5
6
7
8
9
10
11
12
13
   
   1
2
3
4
5
6
7
8
9
10
11
12
13

我们可以看到在hive2.1中增加了对Hbase的支持，同时还增加了hplsql等等，这些都是hive2.1的新特性，这里介绍几个常用的

beeline：和hive1.2中beeline使用方法应该是一样的，至于性能方面的提升肯定是有的，beeline的使用，参考
http://blog.csdn.net/gamer_gyt/article/details/52062460
cleardanglingscratchdir：scratch directory（清楚缓存）
使用方法： bin/hive –service cleardanglingscratchdir
hbaseimport/hbaseschematool：与Hbase进行交互
hiveserver2：提供一个JDBC接口，供外部程序操作hive
hplsql：一个工具，实现sql在Apache hive，sparkSql，以及其他基于Hadoop的sql，Nosql和关系数据库的使用
官方解释：

HPL/SQL (previously known as PL/HQL) is an open source tool (Apache License 2.0) that implements procedural SQL language for Apache Hive, SparkSQL as well as any other SQL-on-Hadoop implementations, NoSQL and RDBMS.

HPL/SQL language is compatible to a large extent with Oracle PL/SQL, ANSI/ISO SQL/PSM (IBM DB2, MySQL, Teradata i.e), PostgreSQL PL/pgSQL (Netezza), Transact-SQL (Microsoft SQL Server and Sybase) that allows you leveraging existing SQL/DWH skills and familiar approach to implement data warehouse solutions on Hadoop. It also facilitates migration of existing business logic to Hadoop.

HPL/SQL is an efficient way to implement ETL processes in Hadoop.
   
   1
2
3
4
5
   
   1
2
3
4
5

LLAP：也是hive2.1引入的新特性，大概就是提升hive2.1的执行时间，具体可参考：
http://zh.hortonworks.com/blog/llap-enables-sub-second-sql-hadoop/

下面附一张从网上看到的图片：

参考资料：

http://blog.csdn.net/Gamer_gyt/article/details/53002446

http://mp.weixin.qq.com/s?__biz=MjM5NzAyNTE0Ng==&mid=2649517151&idx=1&sn=4df5b43cdc9290b28150c4e8a5dc2320&chksm=bef8884a898f015cf8366afd3fb094e12306efdcf7e5c547743361bc7d8750f6f46ea583c573&mpshare=1&scene=1&srcid=1122P4mtzZ2Dyb08OngXOSU7#rd

PMP4561705

关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
大数据工程师、数据分析师利器：hive2.1.0新特性介绍及升级实战！

大数据工程师、数据分析师利器：hive2.1.0新特性介绍及升级实战！一、缘起 hive官网（http://hive.apache.org/）在6月20日，，发布了Hive2.1.0版本，并宣称它是新时代大数据工程师、数据分析师的利器，Apache Hive 2.1新引入了6大性能，包括：（1）LLAP。ApacheHive 2.0引入了LLAP（
复制链接

扫一扫