hive客户端连接

hive客户端

第一代客户端直接使用hive指令连接，连接的就是metastore服务，并且只要连接成功就可以操作hive数据库

第一代客户端的启动和使用

第一代客户端，直接启动metastore服务即可

前台启动（当终端任务结束后，立刻结束服务）

前台启动，可以方便查看日志信息

 hive--service metastore

后台启动（不影响终端的使用，在哪个目录下启动该服务，就会在哪个目录下生成一个nohuo.out记录日志信息）

nuhoop hive -- service metastore &

使用第一代客户端

hive

第一代客户端存在的问题

1、meta store即负责元数据的管理，又负责客户端的连接保持（峰值性能不强）

2、没有身份识别，只要能连接metastore就可以操作hive安全性不强

3、无法连接第三行服务（jdbc）

第二代客户端

创建了一个单独额hiveserver2服务

1、专门处理客户端的连接请求，以保持客户端的连接

2、hiveserver2会对客户端的身份进行校验，如果不满足将无法使用hive服务，提高安全性

3、使用jdbc协议连接，可以无缝连接第三方服务

metastore和hiveserver2的启动

前台启动会占用终端窗口，如果前台启动，使用ctrl+c结束终端占用，服务也会跟着关闭

#前台启动
hive --service metastore
hiver --service hiveserver2

#后台启动
nohup hive --service metastore  &
nohup hive --service hiveserver2 &

注意：hiveserver服务启动后也会产生一个runjar进程，hiveserver2启动服务后1-2分钟后才可以使用，如果不放心可以使用 lost-i:10000去查询，如果有进程使用了该端口号则hiveserver2服务就可以使用

datagrip连接hive服务本质上是连接的hiveserver2

数据库和数据仓库

OLTP：联机事务处理，保存我们日常生活中的各种用户行为产生记录的数据平台

特点：服务于业务，需要少量数据的频繁增删改查，要保证响应速度，保证数据安全，保证时效性

OLAP：联机分析处理，数据分析时所使用的海量数据存放的数据平台，一般会将多个业务数据库或各种数据源中的数据提取出来，统一存在OLAP服务中

特点：服务于分析，要能应对海量数据的存储和数据计算，对于响应速度要求不高没我们很少修改数据，所以也不需要对数据的一致性，安全性进行考虑。

思考：数据仓库是大型数据库吗？不是

数据库主要是为了企业的业务发展记录数据

数据库主要是为了企业的业务发展记录数据

数据仓库主要是为了对于企业的历史数据进行分析

数据库和数据仓库并不能互相取代，企业中可以没有数据仓库但是不能没有数据库

我们现在学过的数据库有mysql（sql server），数据仓库有hive

数据库和数据仓库的区别

本质上时OLTP和OLAP系统的区别

数据库更偏重于事务处理，要求其支持事务，要求增删改查效率比较高

事务：最小的业务单元，执行过程中，要么全部成功，要么全部失败

事例：小明给小刘转账1000元，银行系统要给小明减少1000元，给小刘增加1000元，要么同时成功，要么同时失败。

数据仓库更偏重于数据吞吐量和稳定，不要求支持事务，不要求搞得响应效率，所以必须处理海量的数据或文件

OLTP

transcation  事务  面向事务支持事务
oltp系统更注重的是安全、完整、相应效率、通常指的就是关系型数据库
注意 不是nosql数据库  没有事务支持  redis  hbase

OLAP

analytical分析  面向分析支持分析
olap更注重的是数据吞吐量
主要指的是数据仓库、数据集市（小型数据仓库）：apche hive

注意：在某些场合下，说oracle也是olap系统，如何理解？

如果关系型数据库只要从事数据分析工作，就可以看作是olap系统，但是hive不可以做为oltp使用，因为不具备事务功能

数据仓库的核心特征

1、面向主题性

主题：是一个抽象的概念，数据综合体，一个分析的主题可以对应多个数据源，在数仓的开展分析中，首先确定分析的主题，然后基于主题寻找，采集跟主题相关的数据

2、集成性

数仓不是生成数据的平台其数据来自各个不同的数据源

当我们确定主题后，就需要把和主题相关的数据从各个数据源集成过来

因为同一个主题的数据可能来自不同的数据源他们之间会存在差异（异构数据）：字段名同名不统一，单位不统一，编码不统一。

因此在继承的过程中需要进行ELT（抽取 转换 加载）

3、不可更新性

数仓上面的数据几乎没有修改操作，都是分析的操作

数据仓库是分析规律的平台不是创造数据规律的平台

注意：改指的是数据之间的规律不能修改

当下所学的侧重于离线数据 分析的都是历史数据

4、实变性

数仓是一个持续维护建设的东西

站在时间角度，数仓的数据成批或批次变化更新，一天一分析，一周一分析

数仓分层

ODS：源数据层、数据操作层，主要就是将各个数据园中的数据集中到指定的平台中，几乎不对数据做任何处理，只是临时存放等待后续处理

DW：数据仓库层，对于数据进行数据清洗，数据处理，数据转换等，使其满足数据分析的需要

DA/APP层：数据应用层，根据业务部门的需求，进行数据分析处理获取的数据可以直接用于前端展示或者制作报表。

思考：为什么进行数据分层？

1、数据分层便于我们进行过程检查，方便协同开发

2、方便过程数据的复用，能缩短开发周期

3、如果出现数据错误，便于追根溯源

分层的好处？

1·、解耦合（相互依赖），方便协同开发

2、可以追根溯源，可以更快的对于问题进行解决和修复

3、空间换时间提高最终应用层使用数据的效率

每一个公司数仓的分层策略都不同，所以我们只需要记住三层架构即可，在公司中通常对dw层和da层细化

ETL和ELT

E：extact数据抽取，将数据从不同的数据源中抽取出来

T：transform数据转换，将数据通过清洗，处理，转换为满足数据分析要求的数据

L：load数据加载，将数据加载到数据仓库中

ETL：传统的数仓处理模式，将数据抽取出来存放到临时数据库，进行转换后加载到数据仓库

ELT：将数据抽取后直接加载到数据仓库中，在数据仓库中进行反复处理（分层处理）

数据库操作

1、创建数据库
create  database if not  exists myhive；
2、使用数据库
use  myhive
3、查看当前使用的数据库
selet  current_database();
4、查看数据库的详细信息
desc  database myhive;
5、创建数据库时指定数据存放位置
create database if  not  exists  test_1 location 'hdfs://node1:8020/tmp/db_1';
#8020是namenode的监听端口号，默认情况下hdfs的namenode使用端口8020进行通信，但是这个端口号可以根据实际的hadoop集群配置进行修改
6、创建数据库时制订注释信息
create  database if not  exists test_2  comment  'this is a test'
7、删除数据库
drop database myhive;
#如果是空数据库可以直接删除，如果内部创建了表，则不能随意删除
如果说要强制删除非空数据库，可以使用cascade进行修饰
drop database myhive  cascade;