1、Hive概念
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,并提供简单的sql查询功能,可以将sql语句转换为MapReduce任务进行运行。 其优点是学习成本低,可以通过类SQL语句快速实现简单的MapReduce统计,不必开发专门的MapReduce应用,十分适合数据仓库的统计分析。
数据仓库
数据仓库(Data Warehouse, DW或者DWH),是为企业所有级别的决策制定过程,提供所有类型数据支持的战略集合。它是单个数据存储,出于分析性报告和决策支持目的而创建。 为需要业务智能的企业,提供指导业务流程改进、监视时间、成本、质量以及控制,简而言之,数据仓库是用来做查询分析的数据库,基本不用来做插入,修改,删除。(这就是数据仓库和数据库的区别,数据库只用来查询就是数据仓库)
Hive架构原理
Hive执行流程
Ÿ 编译器将一个Hive QL转换操作符
Ÿ 操作符是Hive的最小处理单元
Ÿ 每个操作符代表HDFS的一个操作或者一个MR作业
Operator
Ÿ Operator是Hive定义的一个处理过程
Ÿ Operator定义有:
protectedList <Operator<? extendsSerializable >> childOperators;
protectedList <Operator<? extendsSerializable >> parentOperators;
protectedboolean done; //初始化值为false
Ÿ 所有的操作构成了Operator图,Hive基于这些图关系来处理limt, group by, join等操作。
操作符如下:
TableScanOperator:扫描hive表数据
ReduceSinkOperator:创建将发送到Reducer端的<Key,Value>对
JoinOperator:Join两份数据
SelectOperator:选择输出列
FileSinkOperator:建立结果数据,输出至文件
FilterOperator:过滤输入数据
GroupByOperator:GroupBy语句
MapJoinOperator:/*+mapjoin(t) */
LimitOperator:Limit语句
UnionOperator:Union语句
Hive工作流程
Ÿ 1.Execute Query:Hive界面如命令行或Web UI将查询发送到Driver(任何数据库驱动程序如JDBC、ODBC,等等)来执行。
Ÿ 2.Get Plan: Driver根据查询编译器解析query语句,验证query语句的语法,查询计划或者查询条件。
Ÿ 3.Get Metadata:编译器将元数据请求发送给Metastore(任何数据库)。
Ÿ 4.Send Metadata:Metastore将元数据作为响应发送给编译器。
Ÿ 5.Send Plan:编译器检查要求和重新发送Driver的计划。到这里,查询的解析和编译完成。
Ÿ 6.Execute Plan: Driver将执行计划发送到执行引擎。
Ÿ 7.Execute Job: Hadoop内部执行的是MapReduce工作过程,任务执行引擎发送一个任务到资源管理节点(ResourceManager),资源管理器分配该任务到任务节点,由任务节点上开始执行MapReduce任务。
Ÿ 7.1Metadata Ops:在执行引擎发送任务的同时,对Hive的元数据进行相应操作。
Ÿ 8.Fetch Result:执行引擎接收数据节点(data node)的结果。
Ÿ 9.Send Results: 执行引擎发送这些合成值到Driver。
Ÿ 10.Send Results:Driver将结果发送到Hive接口。
2、Hive三种方式区别和搭建
Hive中metastore(元数据存储)的三种方式:
a)内嵌Derby方式
b)Local方式
c)Remote方式
内嵌derby
这种方式是最简单的存储方式,只需要在hive-site.xml做如下配置便可
<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<property>
<name>javax.jdo.option.ConnectionURL</name>
<value>jdbc:derby:;databaseName=metastore_db;create=true</value>
</property>
<property>
<name>javax.jdo.option.ConnectionDriverName</name>
<value>org.apache.derby.jdbc.EmbeddedDriver</value>