云服务器安装Hive

• 安装Hive的前提是先安装Hadoop集群，并且hive只需要在Hadoop的namenode节点中安装即可，可以不再datanode节点上安装

1. 安装Hive(最小化部署)

• 在s1服务器解压缩hive的安装包至/opt/module 目录下,并改名为hive-3.1.2

  [gaochuchu@s1 softs]$ tar -zxvf /opt/softs/apache-hive-3.1.2-bin.tar.gz -C /opt/module/
  [gaochuchu@s1 module]$ mv apache-hive-3.1.2-bin/ hive-3.1.2
  

• 配置环境变量，在/etc/profile.d/my_env.sh中添加环境变量

  [gaochuchu@s1 module]$ sudo vim /etc/profile.d/my_env.sh 
  #HIVE_HOME
  export HIVE_HOME=/opt/module/hive-3.1.2
  export PATH=$PATH:$HIVE_HOME/bin
  source /etc/profile
  

• 初始化元数据库，此时默认为derby数据库

   [gaochuchu@s1 hive-3.1.2] bin/schematool -dbType derby -initSchema
  

• 启动Hive和简单使用Hive

  [gaochuchu@s1 hive-3.1.2]$ bin/hive
  hive> show databases;
  hive> show tables;
  hive> create table test(id int);
  hive> insert into test values(1);
  hive> select * from test;
  

  • 注意hive是存储在hdfs之上，因此默认hive的所有表都存在hdfs中的hive的默认目录/user/hive/warehouse

    

  • 并且所有的hiveQL语句会转换成mapreduce任务，例如上述插入一条数据的例子，会转为mapreduce任务

    

• 退出hive客户端

  hive>quit;
  

• 使用默认derby数据库的弊端

  • 原因在于 Hive 默认使用的元数据库为 derby，开启 Hive 之后就会占用元数据库，且不与其他客户端共享数据，所以一次只能开启一个hive客户端，开启两个的时候，我们动态监测/tmp/gaochuhcu/hive.log数据库就会发现报错

    

  • 所以我们需要将 Hive 的元数据地址改为 MySQL。

2. MySQL安装

• 因为Hive中主要还是用MySQL作为元数据库,首先卸载数据库中已有的mariadb

  [gaochuchu@s1 ~]$  sudo rpm -e --nodeps mariadb-libs
  [gaochuchu@s1 ~]$  sudo rpm -e --nodeps mariadb-devel
  

• 如果服务器已经安装了8.0版本的mysql，可以安装如下示例安装mysql5.7实例，原先8.0版本的mysql实例仍然保留

• 解压缩mysql5.7到/opt/module目录下

• 并在该mysql目录下创建数据目录/opt/module/mysql57/data

• 在/opt/module/mysql57/目录下添加配置文件my.cnf

  [gaochuchu@s1 mysql57]$ vim my.cnf
  port=3308
  datadir=/opt/module/mysql57/data
  socket=/opt/module/mysql57/data/mysql.sock
  log-error=/opt/module/mysql57/data/mysqld.log
  pid-file=/opt/module/mysql57/data/mysqld.pid
  

• 安装mysql

  [gaochuchu@s1 mysql57]$ 
  bin/mysqld \
  --defaults-file=/opt/module/mysql57/my.cnf \
  --initialize \
  --user=gaochuchu \
  --basedir=/opt/module/mysql57 \
  --datadir=/opt/module/mysql57/data
  

• 启动mysql

  bin/mysqld_safe \
  --defaults-file=/opt/module/mysql57/my.cnf \
  --user=gaochuchu &
  

• 查看初始化密码

  grep "password" /var/log/mysqld.log
  

• 利用初始化密码进入mysql，并且修改数据库密码

  [gaochuchu@s1 data]$ mysql -S /opt/module/mysql57/data/mysql.sock -P 3308 -uroot -p
  #这里设置新密码为gcc2022
  mysql> set password=password("gcc2022");
  #开启远程访问
  mysql> use mysql;
  mysql> GRANT ALL PRIVILEGES ON *.* TO 'root'@'%' IDENTIFIED BY 'gcc2022';	
  mysql> flush privileges;
  

• 停止mysql

  [gaochuchu@s1 ~]$ ps -aux|grep mysqld
  #通过kill 命令停止
  

3. Hive元数据配置到MySQL

• 将MYSQL的JDBC驱动拷贝到Hive的lib目录下

  [gaochuchu@s1 mysql57]$ cp /opt/softs/mysql-connector-java-5.1.27-bin.jar $HIVE_HOME/lib
  

• 在mysql数据库中创建名为metastore的hive元数据的数据库

• 在$HIVE_HOME/conf目录下新建hive-site.xml文件，配置和连接mysql元数据库相关的内容

  <?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://s1:3308/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>gcc2022</value>
  </property>
  
   <!-- Hive 元数据存储版本的验证 -->
   <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>
  
   <!-- Hive 默认在 HDFS 的工作目录 -->
   <property>
  <name>hive.metastore.warehouse.dir</name>
   <value>/user/hive/warehouse</value>
   </property>
  </configuration>
  

• 初始化Hive元数据库（修改为MySQL存储元数据）

   [gaochuchu@s1 hive-3.1.2]$ bin/schematool -initSchema -dbType mysql -verbose
  

• 启动Hive

  gaochuchu@s1 hive-3.1.2]$ bin/hive
  

• 使用hive

  hive> show databases;
  hive> show tables;
  hive> create table test (id int);
  hive> insert into test values(1);
  hive> select * from test;
  

  4. HiveServer2服务

• 为用户提供远程访问Hive数据的功能，因此Hive的hiveserver2服务的作用是提供jdbc/odbc接口

  

  远程访问Hive数据库时，客户端并未直接访问Hadoop集群，而是由HiveServer2代理访问。

• Hadoop端配置
  hivesever2的模拟用户功能，依赖于Hadoop提供的proxy user（代理用户功能），只有Hadoop中的代理用户才能模拟其他用户的身份访问Hadoop集群。因此，需要将hiveserver2的启动用户设置Hadoop的代理用户，增加配置文件core-site.xml并分发

  <!--配置所有节点的gaochuchu用户都可作为代理用户-->
  <property>
      <name>hadoop.proxyuser.gaochuchu.hosts</name>
      <value>*</value>
  </property>
  
  <!--配置gaochuchu用户能够代理的用户组为任意组-->
  <property>
      <name>hadoop.proxyuser.gaochuchu.groups</name>
      <value>*</value>
  </property>
  
  <!--配置gaochuchu用户能够代理的用户为任意用户-->
  <property>
      <name>hadoop.proxyuser.gaochuchu.users</name>
      <value>*</value>
  </property>
  

• Hive端口配置

  • 修hive-site.xml配置文件，增加配置信息

    <!-- 指定hiveserver2连接的host -->
    <property>
    	<name>hive.server2.thrift.bind.host</name>
    	<value>s1</value>
    </property>
    
    <!-- 指定hiveserver2连接的端口号 -->
    <property>
    	<name>hive.server2.thrift.port</name>
    	<value>10000</value>
    </property>
    
    

• 启动hiveserver2

  [gaochuchu@s1 hive-3.1.2]$ bin/hive --service hiveserver2
  

• 使用beeline客户端

  [gaochuchu@s1 hive-3.1.2]$ bin/beeline -u jdbc:hive2://s1:10000 -n gaochuchu
  #退出beeline客户端
  0: jdbc:hive2://s1:10000> !quit
  

  

• 关于Hive的图形化客户端

  DBeaver（免费）

  DataGrip（付费）：可以支持多种数据库，而且学生根据校园邮箱免费使用正版Datagrip

  • 试用了一下其可视化数据编辑器非常好用，而且代码导航，代码提示能力很强。

    

5. Metastore服务运行模式

• 嵌入式模式

  将metastore看作一个依赖嵌入到Hiveserver2和每一个HiveCLI客户端进程，使得Hiveserver2和HiveCLI客户端直接连接访问数据库。

  

• 独立服务模式

  把metastore服务独立出来单独启动，Hiveserver2和Hive命令行客户端都访问metastore服务，然后再由metastore访问元数据库。

  

  • metastore服务不负责存储元数据，只负责提供访问元数据的接口。

  生产环境中，不推荐使用嵌入式模式。因为其存在以下两个问题：
    （i）嵌入式模式下，每个Hive CLI都需要直接连接元数据库，当Hive CLI较多时，数据库压力会比较大。
    （ii）每个客户端都需要用户元数据库的读写权限，元数据库的安全得不到很好的保证。

• 独立服务模式会在s1上的hive-site.xml中配置jdbc服务，其他节点如果是hive客户端，则在hive-site.xml中删除jdbc有关的配置

  并配置如下：

   <!-- 指定存储元数据要连接的地址 -->
   <property>
   <name>hive.metastore.uris</name>
   <value>thrift://s1:9083</value>
   </property>
  

• 实例测试：

  • s1配置metastore，s2上配置客户端

  • s1启动metastore

    [gaochuchu@s1 hive-3.1.2]$ hive --service metastore
    使用nohup 命令可以让其后台运行
    [gaochuchu@s1 hive-3.1.2]$ nohup hive --service metastore &
    

  • s2的/opt/module/hive-3.1.2/conf/，配置hive-site.xml，删除jdbc的相关参数，添加配置：

    <property>
     <name>hive.metastore.uris</name>
     <value>thrift://s1:9083</value>
     </property>
    

  • s2节点上启动客户端

    [gaochuchu@s2 hive-3.1.2]$ bin/hive
    

    报错：

    Exception in thread "main" java.lang.RuntimeException: java.net.ConnectException: Call From s2/...84 to s1:9000 failed on connection exception: java.net.ConnectException: Connection refused; For more details see:  http://wiki.apache.org/hadoop/ConnectionRefused
    	at org.apache.hadoop.hive.ql.session.SessionState.start(SessionState.java:651)
    	at org.apache.hadoop.hive.ql.session.SessionState.beginStart(SessionState.java:591)
    	at org.apache.hadoop.hive.cli.CliDriver.run(CliDriver.java:747)
    	at org.apache.hadoop.hive.cli.CliDriver.main(CliDriver.java:683)
    	at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
    	at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62)
    	at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
    	at java.lang.reflect.Method.invoke(Method.java:498)
    	at org.apache.hadoop.util.RunJar.run(RunJar.java:318)
    	at org.apache.hadoop.util.RunJar.main(RunJar.java:232)
    

    

    解决：

    • 查看了hadoop的配置，NameNode的内部通信端口设置的是8020，但是hive中连接却是9000,说明hadoop中配置的相关端口信息未同步到hive
    • 将/opt/module/hadoop-3.1.3/etc/hadoop/的core-site.xml以及hdfs-site.xml文件放在/opt/module/hive-3.1.2/conf/目录下

6. 编写脚本来管理hive的metastore/hiveserver2服务的启动和停止

• 在 /opt/module/hive-3.1.2/bin/创建脚本文件hiveservices.sh

  [gaochuchu@s1 hive-3.1.2]$ sudo chmod +x /bin/hiveservices.sh 
  #启动metastore/hiveserver2
  hiveservices.sh start
  #停止metastore/hiveserver2
  hiveservices.sh stop
  #重启metastore/hiveserver2
  hiveservices.sh restart
  #查看状态metastore/hiveserver2
  hiveservices.sh status
  

  1.7 Hive常用命令

  [gaochuchu@s1 hive-3.1.2]$ bin/hive -help
  Hive Session ID = cf0fbd78-e8f7-46dd-ab83-a8fcbf2b58e1
  usage: hive
   -d,--define <key=value>          Variable substitution 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 substitution 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)
  

• -e 不进入hive的交互窗口执行sql语句

  [gaochuchu@s1 hive-3.1.2]$ hive -e "select * from stu;"
  

• -f 执行脚本中的sql语句

  [gaochuchu@s1 hive-3.1.2]$ hive -f test.sql 
  

• 退出hive窗口

  hive(default)>exit;
  hive(default)>quit;
  

• Hive客户端查看hdfs文件系统

  hive(default)>dfs -ls /;
  

• 查看在hive中输入的所有历史命令

  #在当前用户的根目录下
  [gaochuchu@s1 ~]$ cat .hivehistory 
  

7. Hive参数配置方式

• 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。

• 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。

  [gaochuchu@s1 hive-3.1.2] bin/hive -hiveconf mapred.reduce.tasks=10;
  

  仅仅对本次hive启动有效

• 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。

7.1 Hive常见的几个属性配置

• Hive客户端显示当前库和表头:在hive-sites.xml配置文件中增加配置

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

• Hive的运行日志信息配置

  • Hive的log默认存放在/tmp/gaochuchu/hive.log 目录下（当前用户名）

  • 修改hive的log日志存在到/opt/module/hive-3.1.2/logs

    #修改hive-log4j2.properties.template 文件名为/hive-log4j2.properties
    [gaochuchu@s1 conf]$ mv hive-log4j2.properties.template hive-log4j2.properties
    #在/hive-log4j2.properties中修改log的存放位置
    [gaochuchu@s1 conf]$ vim hive-log4j2.properties 
    #property.hive.log.dir = ${sys:java.io.tmpdir}/${sys:user.name}
    改为：
    property.hive.log.dir = /opt/module/hive-3.1.2/logs
    

• Hive的JVM对内存设置

  新版本的Hive启动的时候，默认申请的JVM堆内存大小为256M,JVM堆内存申请太小，导致后期开启本地模式，执行复杂SQL时经常会报错：

  java.lang.OutOfMemoryError:Java Heap space。

  因此最好提前调整一个HADOOP_HEAPSIZE这个参数

  #修改hive-env.sh.tmplate 文件名为hive-env.sh
  [gaochuchu@s1 conf]$ mv hive-env.sh.template hive-env.sh
  #将hive-env.shi其中的参数export HADOOP_HEAPSIZE修改为2048
  export HADOOP_HEAPSIZE=2048