hadoop中hive原理及安装

hive是什么（官网概念)

Apache Hive™数据仓库软件有助于使用SQL读取，写入和管理驻留在分布式存储中的大型数据集。可以将结构投影到已存储的数据上。提供命令行工具和JDBC驱动程序，用于将用户连接到Hive。

Hive 是建立在Hadoop (HDFS/MR)上的用于管理和查询结果化/非结构化的数据仓库；
一种可以存储、查询和分析存储在Hadoop 中的大规模数据的机制；
Hive 定义了简单的类SQL 查询语言，称为HQL，它允许熟悉SQL 的用户查询数据；
允许用Java开发自定义的函数UDF来处理内置无法完成的复杂的分析工作；

Hive没有专门的数据格式（分隔符等可以自己灵活的设定）；

适用场景

 

Hive不适用于在线事务处理。  它最适用于传统的数据仓库任务

hive的执行延迟比较高，因为hive常用于数据分析的，对实时性要求不高；

hive优势在于处理大数据，对于处理小数据没有优势，因为hive的执行延迟比较高。

 

Hive工作原理

1        Execute Query
Hive接口，如命令行或Web UI发送查询驱动程序（任何数据库驱动程序，如JDBC，ODBC等）来执行。
2        Get Plan
在驱动程序帮助下查询编译器，分析查询检查语法和查询计划或查询的要求。
3        Get Metadata
编译器发送元数据请求到Metastore（任何数据库）。
4        Send Metadata
Metastore发送元数据，以编译器的响应。
5        Send Plan
编译器检查要求，并重新发送计划给驱动程序。到此为止，查询解析和编译完成。
6        Execute Plan
驱动程序发送的执行计划到执行引擎。
7        Execute Job
在内部，执行作业的过程是一个MapReduce工作。执行引擎发送作业给JobTracker，在名称节点并把它分配作业到TaskTracker，这是在数据节点。在这里，查询执行MapReduce工作。
7.1        Metadata Ops
与此同时，在执行时，执行引擎可以通过Metastore执行元数据操作。
8        Fetch Result
执行引擎接收来自数据节点的结果。
9        Send Results
执行引擎发送这些结果值给驱动程序。
10        Send Results

驱动程序将结果发送给Hive接口。

 

 

 

hadoop中实际应用

    通过上面流程解释，要想在hadoop中使用hive, 至少需要安装hive和Metastore（任何数据库）本文安装mysql 。

    1 ， 安装mysql

            下载linux环境下的mysql安装包，需要两个，一个是server端的，一个是client端的。

             查询linux机器上默认安装的mysql或者你以前安装的mysql, 暴力卸载之 。

             rpm -e mysql-libs-5.xxxxxx_i686  --nodeps

             执行安装命令

             rpm -ivh Mysql-server-xxx.i386.rpm

             rpm -ivh Mysql-client-xxx.i386.rpm   

            执行命令初始化设置mysql

    /usr/bin/mysql_secure_installation

        

 

 

             使用客户端登陆

             mysql -uroot -proot

             登陆成功后输入命令：(授予mysql远程用户连接的权限)

             GRANT ALL PRIVILEGES ON *.* TO 'root'@'%' IDENTIFIED BY 'root' WITH GRANT OPTION;

            

     使用远程客户端连接（navicat 或 Advanced Query Tools等等工具  ）我用的navicat,  如图自行领悟。

 

        

 

 

到这里hive就安装搭建完成了！