Hive简介及hive部署、原理和使用介绍

最新推荐文章于 2024-07-25 11:17:10 发布
最新推荐文章于 2024-07-25 11:17:10 发布
阅读量893 收藏
点赞数 2
分类专栏： 大数据 hive 文章标签： hadoop hive 大数据 hdfs 运维

Hive简介、原理及hive部署和使用介绍

Hive简介

Hive概念

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。

本质是：将HQL转化成MapReduce程序
在这里插入图片描述

【注意】：

（1）被Hive处理的数据存储在HDFS上，并不是Hive本身用的数据库

（2）Hive分析数据底层的实现是MapReduce，并不是hql直接对上数据底层

（3）执行程序运行在Yarn上

Hive的优点

（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）封装了很多MapReduce模板，避免了去写MapReduce，减少开发人员的学习成本。

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

（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。

Hive的缺点

1）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。
2）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

Hive架构图

在这里插入图片描述

1）用户接口：Client
CLI（command-line interface）、JDBC/ODBC(jdbc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运行流程图

在这里插入图片描述

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。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部署安装

Hive资源分享

Hive源码地址

https://github.com/apache/hive # GitHub有时可以正常访问，有时需要翻墙，连接是正确的

Hive项目下载地址

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

Hive官方网站介绍

http://hive.apache.org/

Hive部署所有依赖包和安装包网盘链接

链接：https://pan.baidu.com/s/1kPr0uTEXqslxZ3v_r-uLQQ
提取码：bi8x

【注意】：

如果网盘连接失效，可以留言或私信告知；届时更新下载链接

部署Hive前，默认已经有了Hadoop集群，如果连Hadoop集群都没有，那Hive也不具备部署环境

当前hadoop集群状况(hosts解析信息)：

root@ops01:/root #cat /etc/hosts
127.0.0.1 ydt-cisp-ops01
127.0.0.1   localhost localhost.localdomain localhost4 localhost4.localdomain4
::1         localhost localhost.localdomain localhost6 localhost6.localdomain6

11.16.0.176 rancher.mydomain.com
11.8.38.123 www.tongtongcf.com
# hadoop
11.8.37.50 ops01
11.8.36.63 ops02
11.8.36.76 ops03

ops01 : NameNode | DataNode / NodeManager
ops02 : DataNode / ResourceManager | NodeManager
ops03 : SecondaryNameNode | DataNode / NodeManager

Hive部署

上传相关安装包至服务器

wangting@ops01:/home/wangting >cd /opt/software/
wangting@ops01:/opt/software >ll
total 875512
-rw-r--r-- 1 wangting wangting    318972 Apr  2 14:23 01_mysql-community-common-5.7.29-1.el7.x86_64.rpm
-rw-r--r-- 1 wangting wangting   2596180 Apr  2 14:23 02_mysql-community-libs-5.7.29-1.el7.x86_64.rpm
-rw-r--r-- 1 wangting wangting   1353080 Apr  2 14:23 03_mysql-community-libs-compat-5.7.29-1.el7.x86_64.rpm
-rw-r--r-- 1 wangting wangting  27768112 Apr  2 14:23 04_mysql-community-client-5.7.29-1.el7.x86_64.rpm
-rw-r--r-- 1 wangting wangting 183618644 Apr  2 14:23 05_mysql-community-server-5.7.29-1.el7.x86_64.rpm
-rw-r--r-- 1 wangting wangting 278813748 Apr  2 14:23 apache-hive-3.1.2-bin.tar.gz
-rw-r--r-- 1 wangting wangting  62945274 Apr  2 14:23 apache-tez-0.9.2-bin.tar.gz
-rw-r--r-- 1 wangting wangting   1006956 Apr  2 14:23 mysql-connector-java-5.1.48.jar
MySQL安装
# 1）安装mysql依赖
wangting@ops01:/opt/software >sudo rpm -ivh 01_mysql-community-common-5.7.29-1.el7.x86_64.rpm
wangting@ops01:/opt/software >sudo rpm -ivh 02_mysql-community-libs-5.7.29-1.el7.x86_64.rpm
wangting@ops01:/opt/software >sudo rpm -ivh 03_mysql-community-libs-compat-5.7.29-1.el7.x86_64.rpm
# 2）安装mysql-client
wangting@ops01:/opt/software >sudo rpm -ivh 04_mysql-community-client-5.7.29-1.el7.x86_64.rpm
# 3）安装mysql-server
wangting@ops01:/opt/software >sudo rpm -ivh 05_mysql-community-server-5.7.29-1.el7.x86_64.rpm
# 4）启动mysql
wangting@ops01:/opt/software >sudo systemctl start mysqld
# 查看新装mysql密码
wangting@ops01:/opt/software >sudo cat /var/log/mysqld.log | grep password
[sudo] password for wangting: 
2021-04-02T06:28:21.738075Z 1 [Note] A temporary password is generated for root@localhost: fa1;eHfLgsuo
# 通过日志获取到初始密码  [fa1;eHfLgsuo]
MySQL配置
# 1）用刚刚查到的密码进入mysql（初始密码中可能会有各种符号，命令行登录如果报错，给密码加单引号）
wangting@ops01:/opt/software >mysql -uroot -p'fa1;eHfLgsuo'
# 2）设置复杂密码(由于mysql密码策略，此密码必须足够复杂)
mysql> set password=password("Ect888.com");
# 3）更改mysql密码策略
mysql> set global validate_password_length=4;
mysql> set global validate_password_policy=0;
# 4）设置简单好记的密码
mysql> set password=password("wangting");
# 5）进入msyql库
mysql> use mysql
# 6）查询user表
mysql> select user, host from user;
# 7）修改user表，把Host表内容修改为% , 扩大数据库登录范围
mysql> update user set host="%" where user="root";
# 8）刷新更改配置
mysql> flush privileges;
# 9）退出MySQL
mysql> quit;
Hive安装
# 解压apache-hive-3.1.2-bin.tar.gz到/opt/module/目录下面
wangting@ops01:/opt/software >tar -zxvf /opt/software/apache-hive-3.1.2-bin.tar.gz -C /opt/module/
# 修改apache-hive-3.1.2-bin.tar.gz的名称为hive
wangting@ops01:/opt/software >mv /opt/module/apache-hive-3.1.2-bin/ /opt/module/hive
# 修改/etc/profile添加环境变量
wangting@ops01:/opt/software >sudo vim /etc/profile				# 添加如下内容
#HIVE_HOME
export HIVE_HOME=/opt/module/hive
export PATH=$PATH:$HIVE_HOME/bin

# 引用profile配置生效
wangting@ops01:/opt/software >source /etc/profile
# 解决日志Jar包冲突
wangting@ops01:/opt/software >mv $HIVE_HOME/lib/log4j-slf4j-impl-2.10.0.jar $HIVE_HOME/lib/log4j-slf4j-impl-2.10.0.bak
# 拷贝jdbc驱动
wangting@ops01:/opt/software >cp /opt/software/mysql-connector-java-5.1.48.jar $HIVE_HOME/lib
配置Metastore到MySql

在$HIVE_HOME/conf目录下新建hive-site.xml文件

wangting@ops01:/opt/software >vim $HIVE_HOME/conf/hive-site.xml
<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
    <property>
        <name>javax.jdo.option.ConnectionURL</name>
        <value>jdbc:mysql://ops01:3306/metastore?useSSL=false</value>
    </property>

    <property>
        <name>javax.jdo.option.ConnectionDriverName</name>
        <value>com.mysql.jdbc.Driver</value>
    </property>

    <property>
        <name>javax.jdo.option.ConnectionUserName</name>
        <value>root</value>
    </property>

    <property>
        <name>javax.jdo.option.ConnectionPassword</name>
        <value>wangting</value>
    </property>

    <property>
        <name>hive.metastore.warehouse.dir</name>
        <value>/user/hive/warehouse</value>
    </property>

    <property>
        <name>hive.metastore.schema.verification</name>
        <value>false</value>
    </property>

    <property>
        <name>hive.metastore.uris</name>
        <value>thrift://ops01:9083</value>
    </property>

    <property>
    <name>hive.server2.thrift.port</name>
    <value>10000</value>
    </property>

    <property>
        <name>hive.server2.thrift.bind.host</name>
        <value>ops01</value>
    </property>

    <property>
        <name>hive.metastore.event.db.notification.api.auth</name>
        <value>false</value>
    </property>
    <property>
        <name>hive.execution.engine</name>
        <value>tez</value>
    </property>
    <property>
         <name>hive.tez.container.size</name>
         <value>1024</value>
    </property>
</configuration>
安装Tez引擎

Tez是一个Hive的运行引擎，性能优于MR
在这里插入图片描述

用Hive直接编写MR程序，假设有四个有依赖关系的MR作业，上图中，绿色是Reduce Task，云状表示写屏蔽，需要将中间结果持久化写到HDFS。

Tez可以将多个有依赖的作业转换为一个作业，这样只需写一次HDFS，且中间节点较少，从而大大提升作业的计算性能。

# 解压安装包并重命名
wangting@ops01:/opt/software >tar -zxvf /opt/software/apache-tez-0.9.2-bin.tar.gz -C /opt/module/
wangting@ops01:/opt/software >mv /opt/module/apache-tez-0.9.2-bin /opt/module/tez
# 上传tez依赖到HDFS
wangting@ops01:/opt/software >hadoop fs -mkdir /tez
wangting@ops01:/opt/software >hadoop fs -put /opt/software/tez-0.10.1-SNAPSHOT.tar.gz /tez

新建tez-site.xml配置文件

wangting@ops01:/opt/software >vim $HADOOP_HOME/etc/hadoop/tez-site.xml
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<property>
	<name>tez.lib.uris</name>
    <value>${fs.defaultFS}/tez/apache-tez-0.9.2-bin.tar.gz</value>
</property>
<property>
     <name>tez.use.cluster.hadoop-libs</name>
     <value>true</value>
</property>
<property>
     <name>tez.am.resource.memory.mb</name>
     <value>1024</value>
</property>
<property>
     <name>tez.am.resource.cpu.vcores</name>
     <value>1</value>
</property>
<property>
     <name>tez.container.max.java.heap.fraction</name>
     <value>0.4</value>
</property>
<property>
     <name>tez.task.resource.memory.mb</name>
     <value>1024</value>
</property>
<property>
     <name>tez.task.resource.cpu.vcores</name>
     <value>1</value>
</property>
</configuration>
修改Hadoop环境变量
wangting@ops01:/opt/software >vim $HADOOP_HOME/etc/hadoop/shellprofile.d/tez.sh

hadoop_add_profile tez
function _tez_hadoop_classpath
{
    hadoop_add_classpath "$HADOOP_HOME/etc/hadoop" after
    hadoop_add_classpath "/opt/module/tez/*" after
    hadoop_add_classpath "/opt/module/tez/lib/*" after
}
修改Hive的计算引擎

安装了tez引擎，但当前状态并未生效，需要配置到hive的配置文件中

在$HIVE_HOME/conf/hive-site.xml的配置文件最后，添加hive的tez引擎property

<property>
    <name>hive.execution.engine</name>
    <value>tez</value>
</property>
<property>
     <name>hive.tez.container.size</name>
     <value>1024</value>
</property>
解决日志Jar包冲突
wangting@ops01:/opt/software >rm /opt/module/tez/lib/slf4j-log4j12-1.7.10.jar

启动Hive

初始化元数据
# 初始化元数据库
# 1）登陆MySQL
wangting@ops01:/opt/software >mysql -uroot -pwangting
# 2）新建Hive元数据库
mysql> create database metastore;
mysql> quit;
# 3）初始化Hive元数据库
wangting@ops01:/opt/software >schematool -initSchema -dbType mysql -verbose
注意事项

【注意】：

  1. 初始化hive元数据库过程可能会有小概率报各类错误，可以根据日志定位问题，需要保证命令执行成功

  2. 常见问题a:

    初始化Hive仓库报错Exception in thread “main” java.lang.NoSuchMethodError: com.google.common.base.Preconditions.checkArgument(ZLjava/lang/String;Ljava/lang/Object;)V
    这是因为hive内依赖的guava.jar和hadoop内的版本不一致造成的

    例如：

    hadoop/share/hadoop/common/lib中为guava-27.0-jre-jar

    hive/lib中的guava版本为guava-14.0.1.jar

    这种就需要把高版本的hadoop包替换hive中低版本的包

    wangting@ops01:/opt/module/hadoop-3.1.3/share/hadoop/common/lib >ll | grep guava
-rw-r--r-- 1 wangting wangting 2747878 Sep 12  2019 guava-27.0-jre.jar
-rw-r--r-- 1 wangting wangting    2199 Sep 12  2019 listenablefuture-9999.0-empty-to-avoid-conflict-with-guava.jar
wangting@ops01:/opt/module/hadoop-3.1.3/share/hadoop/common/lib >cp guava-27.0-jre.jar /opt/module/hive/lib/

    3.常见问题b:

    如果版本过于老，例如Hive 2.x 版本，要先启动metastore和hiveserver2这两个服务

编写启动脚本
wangting@ops01:/opt/software >vim $HIVE_HOME/bin/hiveservices.sh
#!/bin/bash
# zt-bigdata - wangting
HIVE_LOG_DIR=$HIVE_HOME/logs
mkdir -p $HIVE_LOG_DIR

#检查进程是否运行正常，参数1为进程名，参数2为进程端口
function check_process()
{
    pid=$(ps -ef 2>/dev/null | grep -v grep | grep -i $1 | awk '{print $2}')
    ppid=$(netstat -nltp 2>/dev/null | grep $2 | awk '{print $7}' | cut -d '/' -f 1)
    echo $pid
    [[ "$pid" =~ "$ppid" ]] && [ "$ppid" ] && return 0 || return 1
}

function hive_start()
{
    metapid=$(check_process HiveMetastore 9083)
    cmd="nohup hive --service metastore >$HIVE_LOG_DIR/metastore.log 2>&1 &"
    cmd=$cmd" sleep 4; hdfs dfsadmin -safemode wait >/dev/null 2>&1"
    [ -z "$metapid" ] && eval $cmd || echo "Metastroe服务已启动"
    server2pid=$(check_process HiveServer2 10000)
    cmd="nohup hive --service hiveserver2 >$HIVE_LOG_DIR/hiveServer2.log 2>&1 &"
    [ -z "$server2pid" ] && eval $cmd || echo "HiveServer2服务已启动"
}

function hive_stop()
{
    metapid=$(check_process HiveMetastore 9083)
    [ "$metapid" ] && kill $metapid || echo "Metastore服务未启动"
    server2pid=$(check_process HiveServer2 10000)
    [ "$server2pid" ] && kill $server2pid || echo "HiveServer2服务未启动"
}

case $1 in
"start")
    hive_start
    ;;
"stop")
    hive_stop
    ;;
"restart")
    hive_stop
    sleep 2
    hive_start
    ;;
"status")
    check_process HiveMetastore 9083 >/dev/null && echo "Metastore服务运行正常" || echo "Metastore服务运行异常"
    check_process HiveServer2 10000 >/dev/null && echo "HiveServer2服务运行正常" || echo "HiveServer2服务运行异常"
    ;;
*)
    echo Invalid Args!
    echo 'Usage: '$(basename $0)' start|stop|restart|status'
    ;;
esac
wangting@ops01:/opt/software >
wangting@ops01:/opt/software >
# 添加执行权限
wangting@ops01:/opt/software >chmod +x $HIVE_HOME/bin/hiveservices.sh
# 启动Hive后台服务 ,$HIVE_HOME/bin 已经添加至profile配置中，所以hiveservices.sh可以直接在命令行执行
wangting@ops01:/opt/software >hiveservices.sh start

访问Hive

# 启动beeline客户端
wangting@ops01:/opt/software >beeline -u jdbc:hive2://ops01:10000 -n wangting
Connecting to jdbc:hive2://ops01:10000
Connected to: Apache Hive (version 3.1.2)
Driver: Hive JDBC (version 3.1.2)
Transaction isolation: TRANSACTION_REPEATABLE_READ
Beeline version 3.1.2 by Apache Hive
0: jdbc:hive2://ops01:10000>

Ctrl+c 可以直接退出beeline客户端

截止到此，Hive的部署安装算是实施完毕，后续则为使用阶段

Hive常用命令行示例
# 查看帮助
wangting@ops01:/opt/software >hive -help
which: no hbase in (/usr/local/node/bin:/usr/local/bin:/bin:/usr/bin:/usr/local/sbin:/usr/sbin:/usr/jdk1.8.0_131/bin:/ztsoft/mysql/bin:/usr/local/erlang/bin:/opt/module/hadoop-3.1.3/bin:/opt/module/hadoop-3.1.3/sbin:/opt/module/zookeeper-3.5.7/bin:/opt/module/hive/bin:/home/wangting/.local/bin:/home/wangting/bin)
Hive Session ID = 75887f41-6a5f-4cb0-bf15-03dce2c7669b
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参数 不进入hive的交互窗口执行sql语句 
wangting@ops01:/home/wangting >hive -e "desc f_dmcp_n013_judicative_doc_content;"
which: no hbase in (/usr/local/node/bin:/usr/local/bin:/bin:/usr/bin:/usr/local/sbin:/usr/sbin:/usr/jdk1.8.0_131/bin:/ztsoft/mysql/bin:/usr/local/erlang/bin:/opt/module/hadoop-3.1.3/bin:/opt/module/hadoop-3.1.3/sbin:/opt/module/zookeeper-3.5.7/bin:/opt/module/hive/bin:/home/wangting/.local/bin:/home/wangting/bin)
Hive Session ID = 3c9e3ced-88a6-44b5-99f0-5f8d18265d98

Logging initialized using configuration in jar:file:/opt/module/hive/lib/hive-common-3.1.2.jar!/hive-log4j2.properties Async: true
Hive Session ID = b123ecd2-44fb-44a0-b1dc-b9ebd81d4c0c
OK
id                  	string              	id                  
content             	string              	??                  
p_name_details      	string              	?????               
title               	string              	??                  
pjjg                	string              	????                
create_time         	string              	??????              
update_time         	string              	??????              
modify_type         	string              	??????              
dt                  	string              	????  
# Partition Information	 	 
# col_name            	data_type           	comment             
dt                  	string              	????                
Time taken: 1.715 seconds, Fetched: 13 row(s)

【注意】：

有问号是因为hive使用的mysql，database默认的字符集没有设置，所以涉及到中文显示乱码，这里在做语句功能实验，所以具体怎么操作百度一下即可；修改/etc/my.cnf文件重启mysqld服务

# -f参数 执行脚本文件中sql语句
wangting@ops01:/opt/module >mkdir /opt/module/datas
wangting@ops01:/opt/module >cd datas/
wangting@ops01:/opt/module/datas >ll
total 0
wangting@ops01:/opt/module/datas >touch hive_test.hql
wangting@ops01:/opt/module/datas >vim hive_test.hql 
desc f_dmcp_n013_judicative_doc_content;
wangting@ops01:/opt/module/datas >ll
total 4
-rw-rw-r-- 1 wangting wangting 41 Apr  3 18:54 hive_test.hql
wangting@ops01:/opt/module/datas >cat hive_test.hql 
desc f_dmcp_n013_judicative_doc_content;
wangting@ops01:/opt/module/datas >hive -f /opt/module/datas/hive_test.hql 
which: no hbase in (/usr/local/node/bin:/usr/local/bin:/bin:/usr/bin:/usr/local/sbin:/usr/sbin:/usr/jdk1.8.0_131/bin:/ztsoft/mysql/bin:/usr/local/erlang/bin:/opt/module/hadoop-3.1.3/bin:/opt/module/hadoop-3.1.3/sbin:/opt/module/zookeeper-3.5.7/bin:/opt/module/hive/bin:/home/wangting/.local/bin:/home/wangting/bin)
Hive Session ID = 97d8c914-fa20-4798-b080-589439b87c3b

Logging initialized using configuration in jar:file:/opt/module/hive/lib/hive-common-3.1.2.jar!/hive-log4j2.properties Async: true
Hive Session ID = 7c9bc528-691f-45bf-a134-0cae479f27e2
OK
id                  	string              	id                  
content             	string              	??                  
p_name_details      	string              	?????               
title               	string              	??                  
pjjg                	string              	????                
create_time         	string              	??????              
update_time         	string              	??????              
modify_type         	string              	??????              
dt                  	string              	????                
	 	 
# Partition Information	 	 
# col_name            	data_type           	comment             
dt                  	string              	????                
Time taken: 1.709 seconds, Fetched: 13 row(s)
Hive进入beeline操作示例
wangting@ops01:/opt/module/datas >beeline -u jdbc:hive2://ops01:10000 -n wangting
0: jdbc:hive2://ops01:10000> dfs -ls /;
+----------------------------------------------------+
|                     DFS Output                     |
+----------------------------------------------------+
| Found 7 items                                      |
| drwxr-xr-x   - wangting supergroup          0 2021-03-17 11:44 /20210317 |
| drwxr-xr-x   - wangting supergroup          0 2021-03-19 10:51 /20210319 |
| -rw-r--r--   3 wangting supergroup  338075860 2021-03-12 11:50 /hadoop-3.1.3.tar.gz |
| drwxr-xr-x   - wangting supergroup          0 2021-03-19 11:14 /testgetmerge |
| drwxr-xr-x   - wangting supergroup          0 2021-04-02 14:42 /tez |
| drwx------   - wangting supergroup          0 2021-04-02 15:14 /tmp |
| drwxr-xr-x   - wangting supergroup          0 2021-04-02 15:25 /user |
+----------------------------------------------------+
8 rows selected (0.025 seconds)

# 查看当前所有配置信息
0: jdbc:hive2://ops01:10000>set;
# 查看某个参数配置
0: jdbc:hive2://ops01:10000>set mapred.reduce.tasks;
Hive操作历史记录文件
wangting@ops01:/opt/module/datas >cd
wangting@ops01:/home/wangting >ll -a
total 92
drwx------  8 wangting wangting  4096 Apr  3 18:54 .
drwxr-xr-x. 8 root     root      4096 Mar 31 19:31 ..
-rw-r--r--  1 wangting wangting     8 Mar 19 11:04 abcd.txt
-rw-r--r--  1 wangting wangting    12 Mar 19 11:04 .abcd.txt.crc
-rw-------  1 wangting wangting 13042 Apr  3 18:47 .bash_history
-rw-r--r--  1 wangting wangting    18 Aug  8  2019 .bash_logout
-rw-r--r--  1 wangting wangting   193 Aug  8  2019 .bash_profile
-rw-r--r--  1 wangting wangting   231 Aug  8  2019 .bashrc
drwxrwxr-x  2 wangting wangting  4096 Apr  2 15:10 .beeline
drwxrwxr-x  3 wangting wangting  4096 Mar 12 10:51 .cache
drwxrwxr-x  3 wangting wangting  4096 Mar 12 10:51 .config
-rwxrwxr-x  1 wangting wangting   415 Mar 12 14:17 jpsall.sh
-rw-------  1 wangting wangting   232 Apr  2 14:49 .mysql_history
drwxrwxr-x  2 wangting wangting  4096 Mar 12 10:55 .oracle_jre_usage
drwx------  2 wangting wangting  4096 Mar 31 11:26 .ssh
drwxrwxr-x  2 wangting wangting  4096 Mar 12 16:59 test
-rw-------  1 wangting wangting  9226 Apr  3 18:54 .viminfo
-rwxrwxr-x  1 wangting wangting   622 Mar 12 11:04 xsync
wangting@ops01:/home/wangting >cd .beeline/
wangting@ops01:/home/wangting/.beeline >ll
total 44
-rw-rw-r-- 1 wangting wangting 44602 Apr  3 17:48 history

/home/wangting/.beeline/history 中保存了用户操作的历史记录

王亭_666
关注
  • 2
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Hive原理、安装和环境部署
weixin_41929239的博客
11-04 496
第1章 Hive基本概念 1.1 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。 本质是：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 1.2Hive的优缺点 1.2.1 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
Doris介绍、原理、安装、集成hive
02-27
### Doris介绍、原理、安装、集成Hive #### 一、Doris介绍 Doris是一款基于MPP（Massively Parallel Processing，大规模并行处理）架构的高性能分析型数据库，以其出色的性能和易于使用的特性而著称。它能够在亚秒...
hive介绍和部署使用(超级详细)
互联网知识分享
05-22 981
目前最先进的并行数据库。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，mysql数据库可以有很高的效率，较低的延迟。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。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。
hive 数仓开发实战
weixin_42435657的博客
06-16 1506
对于一个公司或者组织来说，使用数据的用户可能成百上千，如何降低大家对于数据使用的沟通成本、如何通过规范大家的行为来降低使用数据的风险，这些问题是必须加以考虑的。作为新的大数据架构，数据湖采集和存储一切数据，既包含结构化的数据也包含非结构化（如语音、视频等）和半结构化的数据（如JSON 和XML 等），既包含原始数据又包含经过处理的、集成的数据。数据湖鼓励分析师和数据科学家对原始数据在分析沙箱中进行探索、研究、实验，对于有价值的数据，再和数据开发、管理团队一起将其转为更容易操作和使用的数据。
Hive原理及Hive的搭建与部署
hjy1821的博客
10-21 725
一、Hive的原理 &amp;amp;amp;nbsp;&amp;amp;amp;nbsp;&amp;amp;amp;nbsp;&amp;amp;amp;nbsp;1）Hive简介 &amp;amp;amp;nbsp;&amp;amp;amp;nbsp;&amp;amp;amp;nbsp;&amp;amp;amp;nbsp;&amp;amp;amp;nbsp;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
离线数据系统之Hive原理及部署
lixinkuan的博客
08-04 636
目录： 1.1. Hive的特点 1.2.Hive架构 1.3. Hive与Hadoop的关系 1.4. Hive与传统数据库对比 1.5. Hive的数据存储 1.6 HIVE的安装部署 1. Hive基本概念(http://hive.apache.org/) 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数据库表，并提供类SQL查询功...
Hive原理及、部署和以及使用（超详细）
weixin_43977307的博客
05-30 474
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。本质是：将HQL转化成MapReduce程序【注意】：（1）被Hive处理的数据存储在HDFS上，并不是Hive本身用的数据库（2）Hive分析数据底层的实现是MapReduce，并不是hql直接对上数据底层（3）执行程序运行在Yarn上。
Hive技术原理及安装使用
WangYouJin321的博客
12-15 2114
Hive技术原理及安装使用 参考连接： Hive的概念、原理及其与Hadoop和数据库关系（图文讲解）_攻城狮Kevin-CSDN博客_hadoop hive https://blog.csdn.net/yohohaha/category_8997407.html Hive安装详细步骤_大数据面壁者的博客-CSDN博客_hive 安装 Hive技术原理_曹世宏的博客-CSDN博客_hive 原理 Hive集群搭建 - Smart_Data - 博客园 hive集群模式安装 - 不像话 - 博客
hive介绍及其原理
fengyu_lc的博客
04-26 522
一、Hive的介绍及其设计原理 1、Hive的设计目标及诞生 设计目标：使用SQL来操作Hadoop FaceBook：问题，Hadoop需要给公司的数据分析师来使用 数据分析师不会Java Java工程不会数据分析 让Java工程师基于Hadoop的接口做二次开发，让这个产品使用SQL来操作，底层全部由Hadoop来实现 工具：将SQL变成Hadoop的程序 Hive：一个基于Hadoop之上的中间件 存储：HDFS insert：写入数据，最终存储在hdfs上 计算：YARN sel
Spark On Hive原理和配置
2202_75347029的博客
10-26 2137
包含Hive、MySQL等安装配置
azkaban简介及azkaban部署、原理和使用介绍
热门推荐
wt334502157的博客
05-16 2万+
azkaban简介及azkaban部署、原理和使用介绍 azkaban简介 ​ Azkaban是一套简单的任务调度服务，整体包括三部分webserver、dbserver、executorserver。 ​ Azkaban是由Linkedin开源的一个Java项目，批量工作流任务调度器。用于在一个工作流内以一个特定的顺序运行一组工作和流程。 ​ Azkaban定义了一种KV文件格式来建立任务之间的依赖关系，并提供一个易于使用的web用户界面维护和跟踪你的工作流。 项目官网：https://azkaban.g
hadoop生态圈hive数据仓库的部署详细流程
02-02
Hadoop 生态圈 Hive 数据仓库的部署详细流程 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数据库表，并提供简单的 SQL 查询功能，可以将 SQL 语句转换为 MapReduce 任务进行运行。其...
Hive总结.docx
06-12
【Hive原理】 Hive是基于Hadoop平台的数据仓库解决方案，它主要解决了在大数据场景下，业务人员和数据科学家能够通过熟悉的SQL语言进行数据分析的问题。Hive并不存储数据，而是依赖于HDFS进行数据存储，并利用...
【63课时完整版】大数据实践HIVE详解及实战
09-20
24.Hive元数据、fetch task和严格模式的介绍 第3章：Sqoop Sqoop及用户行为分析案例 25.CDH版本框架的介绍 26. CDH版本框架的环境部署 27.Sqoop的介绍及其实现原理 28.Sqoop的安装部署及连接测试 29.Sqoop将MySQL...
Hadoop NameNode 进入 Safe Mode 的问题分析与解决方案
最新发布
marsjin的专栏
07-25 754
通过以上步骤，您可以有效地解决 Hadoop NameNode 进入 Safe Mode 的问题，确保集群能够正常运行。如果问题仍然存在，建议进一步检查集群的整体健康状况，并寻求专业人员的帮助。希望本文能够帮助您快速解决问题，让您的大数据处理任务顺利进行！
Hadoop、Hive、HBase、数据集成、Scala阶段测试
m0_58050808的博客
07-24 1058
ResourceManager 是 YARN 架构中的核心组件之一，负责接收客户端提交的作业（如 MapReduce 任务、Spark 任务等），并为这些作业分配资源（如内存、CPU）以在集群中的 NodeManager 上执行。spark的任务调度流程：driver端，遇到action算子触发任务执行，将任务提交到有向无环图，DAGscheduler中，根据RDD的血缘关系划分划分stage，将RDD中的分区封装成taskset任务，发送到TASKscheduler。
WPF前端：一个简单的数值设置样式卡片，支持MVVM绑定
XX_YYDS的博客
07-24 509
WPF前端：数值设置卡片样式，支持MVVM绑定
Hive安装部署与运维实战指南
"04-Hive安装部署及运维使用.pdf" Hive是一个基于Hadoop的数据仓库工具，它允许用户使用类SQL（HiveQL）语言来查询、管理和处理存储在HDFS（Hadoop Distributed File System）中的大数据集。Hive的设计目标是提供一...
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