hive学习之基本概念与安装

倔强的耗子

已于 2022-01-26 23:11:39 修改

阅读量123

点赞数

文章标签： hive big data

于 2021-09-30 01:14:52 首次发布

本文链接：https://blog.csdn.net/weixin_44178366/article/details/120559203

版权

hive学习之基本概念与安装

hive基本概念

什么是hive

Hive：由Facebook开源用于解决海量结构化日志的数据统计工具。

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表，并提供类SQL查询功能。

hive的本质

将HQL转化成MapReduce程序

在这里插入图片描述

（1）Hive处理的数据存储在HDFS

（2）Hive分析数据底层的实现是MapReduce

（3）执行程序运行在Yarn上

hive的优缺点

优点

（1）操作接口采用类SQL语法，提供快速开发的能力（简单、容易上手）。

（2）避免了去写MapReduce，减少开发人员的学习成本。

（3）Hive的执行延迟比较高，因此Hive常用于数据分析，对实时性要求不高的场合。

（4）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。

（5）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。

缺点

Hive的HQL表达能力有限

（1）迭代式算法无法表达

（2）数据挖掘方面不擅长，由于MapReduce数据处理流程的限制，效率更高的算法却无法实现。

Hive的效率比较低

（1）Hive自动生成的MapReduce作业，通常情况下不够智能化

（2）Hive调优比较困难，粒度较粗

hive架构原理

在这里插入图片描述

用户接口：Client

CLI（command-line interface）、JDBC/ODBC(jdbc访问hive)、WEBUI（浏览器访问hive）
元数据：Metastore

元数据包括：表名、表所属的数据库（默认是default）、表的拥有者、列/分区字段、表的类型（是否是外部表）、表的数据所在目录等；

默认存储在自带的derby数据库中，推荐使用MySQL存储Metastore
Hadoop

使用HDFS进行存储，使用MapReduce进行计算。
驱动器：Driver

（1）解析器（SQL Parser）：将SQL字符串转换成抽象语法树AST，这一步一般都用第三方工具库完成，比如antlr；对AST进行语法分析，比如表是否存在、字段是否存在、SQL语义是否有误。

（2）编译器（Physical Plan）：将AST编译生成逻辑执行计划。

（3）优化器（Query Optimizer）：对逻辑执行计划进行优化。

（4）执行器（Execution）：把逻辑执行计划转换成可以运行的物理计划。对于Hive来说，就是MR/Spark。

Hive通过给用户提供的一系列交互接口，接收到用户的指令(SQL)，使用自己的Driver，结合元数据(MetaStore)，将这些指令翻译成MapReduce，提交到Hadoop中执行，最后，将执行返回的结果输出到用户交互接口。

hive和数据库比较

由于 Hive 采用了类似SQL 的查询语言 HQL(Hive Query Language)，因此很容易将 Hive 理解为数据库。其实从结构上来看，Hive 和数据库除了拥有类似的查询语言，再无类似之处。本文将从多个方面来阐述 Hive 和数据库的差异。数据库可以用在 Online 的应用中，但是Hive 是为数据仓库而设计的，清楚这一点，有助于从应用角度理解 Hive 的特性。

查询语言

由于SQL被广泛的应用在数据仓库中，因此，专门针对Hive的特性设计了类SQL的查询语言HQL。熟悉SQL开发的开发者可以很方便的使用Hive进行开发。

数据更新

由于Hive是针对数据仓库应用设计的，而数据仓库的内容是读多写少的。因此，Hive中不建议对数据的改写，所有的数据都是在加载的时候确定好的。而数据库中的数据通常是需要经常进行修改的，因此可以使用 INSERT INTO … VALUES 添加数据，使用 UPDATE … SET修改数据。

执行延迟

Hive 在查询数据的时候，由于没有索引，需要扫描整个表，因此延迟较高。另外一个导致 Hive 执行延迟高的因素是 MapReduce框架。由于MapReduce 本身具有较高的延迟，因此在利用MapReduce 执行Hive查询时，也会有较高的延迟。相对的，数据库的执行延迟较低。当然，这个低是有条件的，即数据规模较小，当数据规模大到超过数据库的处理能力的时候，Hive的并行计算显然能体现出优势。

数据规模

由于Hive建立在集群上并可以利用MapReduce进行并行计算，因此可以支持很大规模的数据；对应的，数据库可以支持的数据规模较小。

hive安装

Hive安装地址

官网地址

http://hive.apache.org/

文档查看地址

https://cwiki.apache.org/confluence/display/Hive/GettingStarted

下载地址

http://archive.apache.org/dist/hive/

Mysql安装

1.卸载自带的mysql

#1.查询自带的软件(注意，在centos6中叫mysql,在centos7中叫mariadb)
[atguigu@hadoop102 ~]$ rpm -qa |grep mysql
[atguigu@hadoop102 ~]$ rpm -qa |grep mariadb
mariadb-libs-5.5.56-2.el7.x86_64
# 或者组合查询
[atguigu@hadoop102 ~]$ rpm -qa|grep -i -E mysql\|mariadb       （-i忽略大小写，-E 使用正则）
mariadb-libs-5.5.56-2.el7.x86_64
[atguigu@hadoop102 ~]$ 
#2.卸载自带的mysql
[atguigu@hadoop102 ~]$ sudo rpm -e --nodeps mariadb-libs-5.5.56-2.el7.x86_64
# 采用管道命令下载
[atguigu@hadoop102 ~]$ rpm -qa|grep -i -E mysql\|mariadb | xargs -n1 sudo rpm -e --nodeps

2.传输mysql安装包到102机器/opt/sorftware/

3.解压mysql安装包

# 先创建一个mysql-rpm的目录，将安装包解压到这个目录
[atguigu@hadoop102 software]$ tar -xvf mysql-5.7.28-1.el7.x86_64.rpm-bundle.tar -C ./mysql-rpm/
[atguigu@hadoop102 mysql-rpm]$ pwd
/opt/software/mysql-rpm
[atguigu@hadoop102 mysql-rpm]$ ll    #注意：只需要安装如下五个包，按照这个顺序因为存在依赖关系
总用量 595272
mysql-community-common-5.7.28-1.el7.x86_64.rpm #
mysql-community-libs-5.7.28-1.el7.x86_64.rpm #
mysql-community-libs-compat-5.7.28-1.el7.x86_64.rpm #
mysql-community-client-5.7.28-1.el7.x86_64.rpm  #
mysql-community-server-5.7.28-1.el7.x86_64.rpm # 
[atguigu@hadoop102 mysql-rpm]$

4.在安装目录下执行rpm安装

[atguigu@hadoop102 mysql-rpm]$ sudo rpm -ivh  mysql包

安装mysql-server包时报错

在这里插入图片描述

解决办法

先安装需要的组件: mysql-community-server-5.7.28-1.el7.x86_64
sudo yum install -y libaio
# ok，接下来即可正常安装 mysql-community-server-5.7.28-1.el7.x86_64.rpm

在这里插入图片描述

5.删除/etc/my.cnf文件中datadir指向的目录下的所有内容

这一步是针对之前以前安装过mysql的，如果第一次安装则跳过这一步

6.初始化数据库

# 初始化创建mysql用户
[atguigu@hadoop102 mysql-rpm]$ sudo mysqld --initialize --user=mysql

7.查看临时生成的root用户的密码

[atguigu@hadoop102 mysql-rpm]$ sudo cat /var/log/mysqld.log |grep password
2021-09-29T16:12:42.271437Z 1 [Note] A temporary password is generated for root@localhost: Pttf1a3=3.LQ
[atguigu@hadoop102 mysql-rpm]$ # 生成的密码就是 Pttf1a3=3.LQ

8.启动Mysql服务

[atguigu@hadoop102 mysql-rpm]$ sudo systemctl start mysqld

在这里插入图片描述

9.登入Mysql数据库

[atguigu@hadoop102 mysql-rpm]$ mysql -uroot -p
Enter password:

10.必须先修改root用户的密码，否则执行其他的操作会报错

mysql> set password = password('123456');
Query OK, 0 rows affected, 1 warning (0.00 sec)

mysql> show databases;
+--------------------+
| Database           |
+--------------------+
| information_schema |
| mysql              |
| performance_schema |
| sys                |
+--------------------+
4 rows in set (0.00 sec)

mysql>

11.修改mysql库下的user表中的root用户允许任意ip连接

默认的情况下，只需用localhost去连接mysql,所以需要修改允许其他ip访问

在这里插入图片描述

update user set host ='%' where user = 'root'

在这里插入图片描述

接下来可以使用其他客户端去测试连接了，我这里使用的Navicate15,这个时候还是连不上

在这里插入图片描述

# 还需要执行一部
flush privileges;
# 再次测试连接成功

Hive安装部署

1.将apache-hive-3.1.2-bin.tar.gz上传到/opt/software/

2.解压apache-hive-3.1.2-bin.tar.gz到/opt/module/下

tar -zxvf apache-hive-3.1.2-bin.tar.gz -C /opt/module

3.将解压后的apache-hive-3.1.2-bin.tar.gz名字改为hive-3.1.2

4.修改/etc/profile.d/my_env.sh，添加hive的环境变量

#配置JDK的环境变量
#声明JAVA_HOME变量
JAVA_HOME=/opt/module/jdk1.8.0_212
#配置HADOOP的环境变量
# 声明 HADOOP_HOME变量
HADOOP_HOME=/opt/module/ha/hadoop-3.1.3
# 声明 HIVE_HOME变量
HIVE_HOME=/opt/module/hive-3.1.2
# 声明PATH变量,在系统原有PATH变量上追加 $JAVA_HOME/bin $HADOOP_HOME/bin $HADOOP_HOME/sbin
PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$HIVE_HOME/bin

#提升PATH JAVA_HOME为系统全局变量
export JAVA_HOME HADOOP_HOME HIVE_HOME PATH

source /etc/profile 让环境变量生效

5.解决日志Jar包冲突问题

hive有自己的一套日志jar包，hadoop也有自己的jar包，到时候会存在冲突的情况

## 解决方案，删除hive自带的jar包，统一使用hadoop的
[atguigu@hadoop102 software]$ mv $HIVE_HOME/lib/log4j-slf4j-impl-2.10.0.jar $HIVE_HOME/lib/log4j-slf4j-impl-2.10.0.bak

至此，Hive的安装完毕

Hive元数据配置到Mysql

驱动拷贝

将mysql的JDBC驱动包拷贝到Hive的lib目录下

cp /opt/software/mysql-connector-java-5.1.37.jar $HIVE_HOME/lib

配置Metastore到Mysql

在$HIVE_HOME/conf目录下新建一个hive-site.xml文件，添加如下内容

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
    <!-- jdbc连接的URL -->
    <property>
        <name>javax.jdo.option.ConnectionURL</name>
        <value>jdbc:mysql://hadoop102:3306/metastore?useSSL=false</value>
</property>

    <!-- jdbc连接的Driver-->
    <property>
        <name>javax.jdo.option.ConnectionDriverName</name>
        <value>com.mysql.jdbc.Driver</value>
</property>

	<!-- jdbc连接的username-->
    <property>
        <name>javax.jdo.option.ConnectionUserName</name>
        <value>root</value>
    </property>

    <!-- jdbc连接的password -->
    <property>
        <name>javax.jdo.option.ConnectionPassword</name>
        <value>123456</value>
</property>

    <!-- Hive默认在HDFS的工作目录 -->
    <property>
        <name>hive.metastore.warehouse.dir</name>
        <value>/user/hive/warehouse</value>
    </property>
    
   <!-- Hive元数据存储的验证 -->
    <property>
        <name>hive.metastore.schema.verification</name>
        <value>false</value>
    </property>
   
    <!-- 元数据存储授权  -->
    <property>
        <name>hive.metastore.event.db.notification.api.auth</name>
        <value>false</value>
    </property>
</configuration>

启动Hive

先在mysql中创建hive需要使用到的数据库metastore

初始化Hive元数据库

# 这个过程其实就是hive在我们的mysql中创建大量的表 74张表
[atguigu@hadoop102 hive-3.1.2]$ schematool -initSchema -dbType mysql -verbose

在这里插入图片描述

hive乱码问题解决

use metastore;
-- 字段注释
alter table COLUMNS_V2 modify column COMMENT varchar(256) character set utf8;
-- 表注释
alter table TABLE_PARAMS modify column PARAM_VALUE mediumtext character set utf8;

-- 修改hive-site.xml的jdbc url连接
<property>
        <name>javax.jdo.option.ConnectionURL</name>
        <value>jdbc:mysql://hadoop102:3306/metastore?useSSL=false&amp;useUnicode=true&amp;characterEncoding=UTF-8</value>
</property>

ok，至此Hive的安装已经完毕，接下来就可以正常使用Hive了

倔强的耗子

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
hive学习之基本概念与安装

hive学习之基本概念与安装hive基本概念什么是hiveHive：由Facebook开源用于解决海量结构化日志的数据统计工具。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表，并提供类SQL查询功能。hive的本质将HQL转化成MapReduce程序（1）Hive处理的数据存储在HDFS（2）Hive分析数据底层的实现是MapReduce（3）执行程序运行在Yarn上hive的优缺点优点（1）操作接口采用类SQL语法，提供快速开发的能力（简单、
复制链接

扫一扫