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
(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
-
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
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
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
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
update user set host ='%' where user = 'root'
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
# 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
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&useUnicode=true&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