Hive：数据查询（1.Hive的介绍与安装）

于 2020-06-07 18:45:41 发布
阅读量133 收藏
点赞数
分类专栏： bigdata 文章标签： hive
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44824495/article/details/106605526
版权

文章目录

一、Hive简介

1、Hive是什么？

	Hive是一种数据仓库软件，使用SQL来促进对分布式设备上存储的大体量数据集进行读、写和管理；
	SQL(结构化查询语言)，使用SQL的前提是需要有一张表；
	Hive分析数据必须可以映射为一个表结构；
	​Hive提供了JDBC驱动和命令行工具，让用户连接Hive；
	Hive基于Hadoop，处理的数据存储在HDFS，执行程序运行在Yarn上；

2、Hive的特征

	Hive不是一个关系型数据库；
	​Hive不是基于OLTP（Online Transaction Processing：在线事务处理）设计；
	Hive不支持实时查询和行级别更新；
	​Hive在关系型数据库存储元数据，处理的数据存储在hadoop；​
	Hive基于OLAP（Online Analytical Processing：联机分析处理）设计；
	Hive提供了一个类SQL语言，称为HQL（Hibernate Query Language：查询语言），方便查询；
	Hive简单，易用，可扩展，可伸缩；
	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；
	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；

3、注意事项

  • hive使用HQL(类SQL)，分析HDFS上存储的结构化数据；
  • hive创建表、库等信息，属于schame(元数据)，这些元数据，存储在RDMS ( Relational Data Management System：关系型数据库管理软件)；
  • hive的本质是允许用户使用HQL，将HQL转换为MapReduce模版，对HDFS上的数据进行查询；
  • hive分析的数据是存储在hdfs上，hdfs不支持随机写，只支持追加写，所以在hive中不能delete和update，只能select和insert；

4、Hive架构原理

在这里插入图片描述
1．用户接口：Client
CLI（hive shell）、JDBC/ODBC(java访问hive)、WEBUI（浏览器访问hive）

2．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

3．Hadoop
使用HDFS进行存储，使用MapReduce进行计算。

4．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

5、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。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。

5.1 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。

5.2 数据存储位置

Hive 是建立在 Hadoop 之上的，所有 Hive 的数据都是存储在 HDFS 中的。而数据库则可以将数据保存在块设备或者本地文件系统中。

5.3 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。

5.4 索引

Hive在加载数据的过程中不会对数据进行任何处理，甚至不会对数据进行扫描，因此也没有对数据中的某些Key建立索引。Hive要访问数据中满足条件的特定值时，需要暴力扫描整个数据，因此访问延迟较高。由于 MapReduce 的引入， Hive 可以并行访问数据，因此即使没有索引，对于大数据量的访问，Hive 仍然可以体现出优势。数据库中，通常会针对一个或者几个列建立索引，因此对于少量的特定条件的数据的访问，数据库可以有很高的效率，较低的延迟。由于数据的访问延迟较高，决定了 Hive 不适合在线数据查询。

5.5 执行

Hive中大多数查询的执行是通过 Hadoop 提供的 MapReduce 来实现的。而数据库通常有自己的执行引擎。

5.6 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。

5.7 可扩展性

由于Hive是建立在Hadoop之上的，因此Hive的可扩展性是和Hadoop的可扩展性是一致的（世界上最大的Hadoop 集群在 Yahoo!，2009年的规模在4000 台节点左右）。而数据库由于 ACID 语义的严格限制，扩展行非常有限。目前最先进的并行数据库 Oracle 在理论上的扩展能力也只有100台左右。

5.8 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

6、以wordcount为例介绍hive的计算

举例数据：

hallo	hive	how 	are	you
fine	thank	you 	and	you

（1）MR处理方法：写Mapper（读入数据，封装为Key-value）,写Reducer(对相同的单词进行次数的合并)

（2）使用hive处理：

①将文件先上传到hdfs

②需要对数据进行ETL，转为结构化的数据

hallo	1
hive	1
how	1
are	1
you	1
fine	1
thank	1
you	1
...

③根据数据进行建表

create table t1(word string,num int);

表的结构存储在RDMS中！

④将数据加载到表中，或和表产生关联

⑤编写HQL

select word,sum(num) from t1 group by word

⑥客户端返回HQL运行的结果

7、Hive核心知识

7.1 核心概念

​ hive中的库在hdfs上有一个对应的目录！

​ hive中的表在hdfs对应的库目录下生成对应的子目录！

​ 数据以文件的形式存放在表目录下！

在元数据中：

​ 所有的库信息都保存在DBS表中！每一个库都是一条记录！

​ 所有的表的信息都保存在TBLS表中！每一个表也是一条记录！

​ 所有的字段的信息都保存在COLUMN_V2表中！每一个字段对应一条记录！

7.2 元数据的存储

​ hive默认使用derby作为元数据(表，库)存储的数据库！

​ derby默认在启动当前进程的目录下生成一个metastore_db的库文件！

​ derby的弊端：

​ ①默认只会从当前目录下读取metastore_db的库文件

​ ②不支持多实例同时使用一个库

​ 改进：将元数据的存储存放在mysql中！

二、Hive的安装

1、环境要求

hive1.x版本兼容hadoop1.x和2.x

①必须已经安装JDK和HADOOP，在环境变量中有JAVA_HOME和HADOOP_HOME

②hive安装包解压到你所需路径即可

④建议配置HIVE_HOME到/etc/profile
目的：
​ a)可以直接在任意路径使用bin目录下的工具

​ b)默认hive在启动时，读取HIVE_HOME/conf中的配置文件

hive只是个客户端，安装在任意机器(前提：安装了java和hadoop)即可

2、Hive基本操作

hive基于hadoop，在启动hive之前，必须先启动hadoop（hdfs、yarn）

（1）启动hive
[jaffe@hadoop102 hive]$ bin/hive
（2）查看数据库
hive> show databases;
（3）打开默认数据库
hive> use default;
（4）显示default数据库中的表
hive> show tables;
（5）创建一张表
hive> create table student(id int, name string);
（6）显示数据库中有几张表
hive> show tables;
（7）查看表的结构
hive> desc student;
（8）向表中插入数据
hive> insert into student values(1000,“ss”);
（9）查询表中数据
hive> select * from student;
（10）退出hive
hive> quit;

3、MySql安装

3.1 安装包准备

1．查看mysql是否安装，如果安装了，卸载mysql
（1）查看

[root@hadoop102 桌面]# rpm -qa|grep mysql
mysql-libs-5.1.73-7.el6.x86_64

（2）卸载

[root@hadoop102 桌面]# rpm -e --nodeps mysql-libs-5.1.73-7.el6.x86_64

2．解压mysql-libs.zip文件到当前目录

[root@hadoop102 software]# unzip mysql-libs.zip
[root@hadoop102 software]# ls
mysql-libs.zip
mysql-libs

3．进入到mysql-libs文件夹下

[root@hadoop102 mysql-libs]# ll
总用量 76048
-rw-r--r--. 1 root root 18509960 3月  26 2015 MySQL-client-5.6.24-1.el6.x86_64.rpm
-rw-r--r--. 1 root root  3575135 12月  1 2013 mysql-connector-java-5.1.27.tar.gz
-rw-r--r--. 1 root root 55782196 3月  26 2015 MySQL-server-5.6.24-1.el6.x86_64.rpm

3.2 安装MySql服务器

1．安装mysql服务端

[root@hadoop102 mysql-libs]# rpm -ivh MySQL-server-5.6.24-1.el6.x86_64.rpm

2．查看产生的随机密码

[root@hadoop102 mysql-libs]# cat /root/.mysql_secret
OEXaQuS8IWkG19Xs

3．查看mysql状态

[root@hadoop102 mysql-libs]# service mysql status

4．启动mysql

[root@hadoop102 mysql-libs]# service mysql start

3.3 安装MySql客户端

1．安装mysql客户端

[root@hadoop102 mysql-libs]# rpm -ivh MySQL-client-5.6.24-1.el6.x86_64.rpm

2．链接mysql

[root@hadoop102 mysql-libs]# mysql -uroot -pOEXaQuS8IWkG19Xs

3．修改密码

mysql>SET PASSWORD=PASSWORD('000000');

4．退出mysql

mysql>exit

3.4 提供一个可以从任意机器访问mysql服务实例的用户

查询当前有哪些用户：

select host,user,password from mysql.user;

删除除了localhost的所有用户

delete from mysql.user where host <> 'localhost';

修改root用户可以从任意机器登录：

update mysql.user set host='%' where user='root';

刷新权限

flush privileges;

重启服务：

sudo service mysql restart

验证本机登录：

sudo mysql -uroot -p123456

验证从外部地址登录：

sudo mysql -h hadoop103 -uroot -p123456

查看当前连接的线程：

sudo mysqladmin processlist -uroot -p123456

3.5 Mysql的卸载

查询当前安装的mysql版本

rpm -qa | grep MySQL

停止当前的mysql服务

sudo service mysql stop

卸载服务端

sudo rpm -e MySQL-server-5.6.24-1.el6.x86_64

删除之前mysql存放数据的目录

sudo rm -rf /var/lib/mysql/

4、修改hive元数据的存储目录

注意： mysql是开机自启动的，不要开机后重复启动！

​ service命令需要使用sudo才可以运行

在$HIVE_HOME/conf/目录下编辑hive-site.xml，参考word2.5.2；

将mysql的驱动包，拷贝到$HIVE_HOME/lib下！

4.1 驱动拷贝

1．在/opt/software/mysql-libs目录下解压mysql-connector-java-5.1.27.tar.gz驱动包

[root@hadoop102 mysql-libs]# tar -zxvf mysql-connector-java-5.1.27.tar.gz

2．拷贝/opt/software/mysql-libs/mysql-connector-java-5.1.27目录下的mysql-connector-java-5.1.27-bin.jar到/opt/module/hive/lib/

[root@hadoop102 mysql-connector-java-5.1.27]# cp mysql-connector-java-5.1.27-bin.jar
 /opt/module/hive/lib/

4.2 配置Metastore到MySql

1．在/opt/module/hive/conf目录下创建一个hive-site.xml

[jaffe@hadoop102 conf]$ touch hive-site.xml
[jaffe@hadoop102 conf]$ vi hive-site.xml

2．根据官方文档配置参数，拷贝数据到hive-site.xml文件中

https://cwiki.apache.org/confluence/display/Hive/AdminManual+MetastoreAdmin
<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
	<property>
	  <name>javax.jdo.option.ConnectionURL</name>
	  <value>jdbc:mysql://hadoop102:3306/metastore?createDatabaseIfNotExist=true</value>
	  <description>JDBC connect string for a JDBC metastore</description>
	</property>

	<property>
	  <name>javax.jdo.option.ConnectionDriverName</name>
	  <value>com.mysql.jdbc.Driver</value>
	  <description>Driver class name for a JDBC metastore</description>
	</property>

	<property>
	  <name>javax.jdo.option.ConnectionUserName</name>
	  <value>root</value>
	  <description>username to use against metastore database</description>
	</property>

	<property>
	  <name>javax.jdo.option.ConnectionPassword</name>
	  <value>000000</value>
	  <description>password to use against metastore database</description>
	</property>
</configuration>

注意：

​ 建议手动创建metastore数据库！metastore数据的编码必须为latin1!

​ 如果是mysql5.5,请修改mysql服务端的配置文件/etc/my.cnf,在[mysqld]下添加

 binlog_format=ROW

最后重启mysql服务器！

4.3 多窗口启动Hive测试

1．先启动MySQL

[jaffe@hadoop102 mysql-libs]$ mysql -uroot -p000000

查看有几个数据库

mysql> show databases;
+--------------------+
| Database           |
+--------------------+
| information_schema |
| mysql             |
| performance_schema |
| test               |
+--------------------+

2．再次打开多个窗口，分别启动hive

[jaffe@hadoop102 hive]$ bin/hive

3．启动hive后，回到MySQL窗口查看数据库，显示增加了metastore数据库

mysql> show databases;
+--------------------+
| Database           |
+--------------------+
| information_schema |
| metastore          |
| mysql             |
| performance_schema |
| test               |
+--------------------+

5、JDBC方式访问hive

5.1 启动hive支持JDBC连接的服务

在hive中，hive使用hiveserver2服务作为支持JDBC连接的服务端！

先启动hiveserver2

默认是前台运行

hiveserver2

设置后台运行

hiveserver2 &

5.2 Beeline连接

Beeline是一个支持JDBC连接的客户端工具！

启动beeline,创建一个新的连接

!connect 'jdbc:hive2://hadoop103:10000'

之后回车，输入用户名jaffe,密码随意！

5.3 使用Java程序访问Hive

①创建Maven工程，引入hive-jdbc的驱动

 <dependency>
            <groupId>org.apache.hive</groupId>
            <artifactId>hive-jdbc</artifactId>
            <version>1.2.1</version>
 </dependency>

hive还依赖于hadoop，还需要将hadoop的依赖也加入进去！

示例程序：

import java.sql.Connection;
import java.sql.DriverManager;
import java.sql.PreparedStatement;
import java.sql.ResultSet;

/**
 * Created by VULCAN on 2020/3/4
 */
public class HiveJdbcTest {

    public static void main(String[] args) throws Exception {

        //注册驱动  可选，只要导入hive-jdbc.jar，会自动注册驱动
        //Class.forName("org.apache.hive.jdbc.HiveDriver");

        //创建连接  url,driverClass,username,password
        Connection connection = DriverManager.getConnection("jdbc:hive2://hadoop103:10000", "jaffe", "");

        //准备sql
        String sql="select * from person";

        PreparedStatement ps = connection.prepareStatement(sql);

        //执行查询
        ResultSet resultSet = ps.executeQuery();

        //遍历结果
        while (resultSet.next()){

            System.out.println("name:"+resultSet.getString("name")+"   age:"+
                    resultSet.getInt("age"));
        }
        //关闭资源
        resultSet.close();
        ps.close();
        connection.close();
    }
}

6、Hive常用交互命令

[jaffe@hadoop102 hive]$ bin/hive -help
usage: hive
 -d,--define <key=value>          Variable subsitution to apply to hive
                                  commands. e.g. -d A=B or --define A=B
    --database <databasename>     Specify the database to use
 -e <quoted-query-string>         SQL from command line
 -f <filename>                    SQL from files
 -H,--help                        Print help information
    --hiveconf <property=value>   Use value for given property
    --hivevar <key=value>         Variable subsitution to apply to hive
                                  commands. e.g. --hivevar A=B
 -i <filename>                    Initialization SQL file
 -S,--silent                      Silent mode in interactive shell
 -v,--verbose                     Verbose mode (echo executed SQL to the console)

1．“-e”不进入hive的交互窗口执行sql语句

[jaffe@hadoop102 hive]$ bin/hive -e "select id from student;"

2．“-f”执行脚本中sql语句
（1）在/opt/module/datas目录下创建hivef.sql文件

[jaffe@hadoop102 datas]$ touch hivef.sql
		文件中写入正确的sql语句
		select *from student;

（2）执行文件中的sql语句

[jaffe@hadoop102 hive]$ bin/hive -f /opt/module/datas/hivef.sql

（3）执行文件中的sql语句并将结果写入文件中

[jaffe@hadoop102 hive]$ bin/hive -f /opt/module/datas/hivef.sql  > /opt/module/datas/hive_result.txt

7、Hive其他命令操作

1．退出hive窗口：

hive(default)>exit;
hive(default)>quit;
在新版的hive中没区别了，在以前的版本是有的：
exit:先隐性提交数据，再退出；
quit:不提交数据，退出；

2．在hive cli命令窗口中如何查看hdfs文件系统

hive(default)>dfs -ls /;

3．在hive cli命令窗口中如何查看本地文件系统

hive(default)>! ls /opt/module/datas;

4．查看在hive中输入的所有历史命令

	（1）进入到当前用户的根目录/root或/home/jaffe
	（2）查看. hivehistory文件
[jaffe@hadoop102 ~]$ cat .hivehistory

8、Hive常见属性配置

8.1 Hive数据仓库位置配置

1）Default数据仓库的最原始位置是在hdfs上的：/user/hive/warehouse路径下。
2）在仓库目录下，没有对默认的数据库default创建文件夹。如果某张表属于default数据库，直接在数据仓库目录下创建一个文件夹。
3）修改default数据仓库原始位置（将hive-default.xml.template如下配置信息拷贝到hive-site.xml文件中）。

<property>
<name>hive.metastore.warehouse.dir</name>
<value>/user/hive/warehouse</value>
<description>location of default database for the warehouse</description>
</property>

配置同组用户有执行权限

bin/hdfs dfs -chmod g+w /user/hive/warehouse

8.2 查询后信息显示配置

1）在hive-site.xml文件中添加如下配置信息，就可以实现显示当前数据库，以及查询表的头信息配置。

<property>
	<name>hive.cli.print.header</name>
	<value>true</value>
</property>

<property>
	<name>hive.cli.print.current.db</name>
	<value>true</value>
</property>

2）重新启动hive，对比配置前后差异。
（1）配置前，如图所示
在这里插入图片描述

（2）配置后，如下图所示
在这里插入图片描述

8.3 Hive运行日志信息配置

1．Hive的log默认存放在/tmp/jaffe/hive.log目录下（当前用户名下）

2．修改hive的log存放日志到/opt/module/hive/logs
（1）修改/opt/module/hive/conf/hive-log4j.properties.template文件名称为
hive-log4j.properties

[jaffe@hadoop102 conf]$ pwd
/opt/module/hive/conf
[jaffe@hadoop102 conf]$ mv hive-log4j.properties.template hive-log4j.properties

（2）在hive-log4j.properties文件中修改log存放位置

hive.log.dir=/opt/module/hive/logs

8.4 参数配置方式

1．查看当前所有的配置信息

hive>set;

2．参数的配置三种方式
（1）配置文件方式
默认配置文件：hive-default.xml
用户自定义配置文件：hive-site.xml

注意：用户自定义配置会覆盖默认配置。另外，Hive也会读入Hadoop的配置，因为Hive是作为Hadoop的客户端启动的，Hive的配置会覆盖Hadoop的配置。配置文件的设定对本机启动的所有Hive进程都有效。

（2）命令行参数方式
启动Hive时，可以在命令行添加-hiveconf param=value来设定参数。
例如：

[jaffe@hadoop103 hive]$ bin/hive -hiveconf mapred.reduce.tasks=10;

注意：仅对本次hive启动有效
查看参数设置：

hive (default)> set mapred.reduce.tasks;

（3）参数声明方式
可以在HQL中使用SET关键字设定参数
例如：

hive (default)> set mapred.reduce.tasks=100;

注意：仅对本次hive启动有效。
查看参数设置

hive (default)> set mapred.reduce.tasks;

上述三种设定方式的优先级依次递增。即配置文件<命令行参数<参数声明。注意某些系统级的参数，例如log4j相关的设定，必须用前两种方式设定，因为那些参数的读取在会话建立以前已经完成了。

卖女孩的小火柴Jaffe
关注
专栏目录
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值