Hive运行机制与原理

运行原理

Hive可以作为单机的交互式进程使用，如运行HIVE_HOME/bin/hive打开的交互式进程，该进程不需要服务进程（自带服务功能）。还可以作为服务（hiveserver2，服务模式，端口默认10000，web端口10002），此时用hive自带客户端HIVE_HOME/bin/beeline（还有Web客户端Hue）。Hive Server2可以配置Zookeeper，实现HA高可用。Hive2.x不再只支持hive-on-mr，未来可能不支持，建议使用spark或tez。Hive可以启动多个hiveserver2，使用Zookeeper做协调，和HBase相似，客户端访问Zookeeper。

Hql和MySQL命令相似。简单的计算，不需要生成MapReduce任务，举例：

select * from t1;
show databases;
use db1;
show tables;

Hive默认有一个default库，在warehouse顶级目录，创建的其他库在此目录下。默认选择default库。

存储格式

Hive支持的存储格式包括：文本文件，列式存储文件，二进制文件，文件可以使用压缩。下面是关于格式和压缩的使用和说明（经过安装snappy的两个版本最后还是不能使用功能snappy，应该需要重新编译hadoop，可使用cdh的方案，省事，权限、兼容等一系列都给弄好了）：

# Hadoop默认不支持snappy压缩，可以将支持的HADOOP_HOME/lib/native目录下的文件拷贝到自己的该目录下。
hadoop checknative # 命令查看支持内容，snappy默认是false。
hdfs getconf -confkey  io.compression.codecs # 查看配置参数的值，默认值无法查到，可到https://hadoop.apache.org/docs/r2.7.6->Configuration下面去找。
vim ${HADOOP_HOME}/etc/hadoop/core-site.xml # 编辑文件以至此压缩格式等，参见下面文件修改详情。
vim ${HADOOP_HOME}/etc/hadoop/mapred-site.xml # 编辑文件以至此压缩格式等，参见下面文件修改详情。

# 然后安装snappy
# 查看$HADOOP_HOME/lib/native下内容（原始）：
-rw-r--r--. 1 20415 101 1123566 4月  18 2018 libhadoop.a
-rw-r--r--. 1 20415 101 1486932 4月  18 2018 libhadooppipes.a
lrwxrwxrwx. 1 20415 101      18 4月  18 2018 libhadoop.so -> libhadoop.so.1.0.0
-rwxr-xr-x. 1 20415 101  673620 4月  18 2018 libhadoop.so.1.0.0
-rw-r--r--. 1 20415 101  581856 4月  18 2018 libhadooputils.a
-rw-r--r--. 1 20415 101  364916 4月  18 2018 libhdfs.a
lrwxrwxrwx. 1 20415 101      16 4月  18 2018 libhdfs.so -> libhdfs.so.0.0.0
-rwxr-xr-x. 1 20415 101  229193 4月  18 2018 libhdfs.so.0.0.0

# 安装cmake
cd cmake-3.13.4 && ./bootstrap # 运行安装检查
make && make install # 编译和安装，make install将文件放到了/usr/local/bin下。
# 安装snappy，下载了snappy1.1.3和当前最新1.1.7，下面安装的是新版本
cd /root/packages && tar -zxf snappy-1.1.3.tar.gz && cd snappy-1.1.3
mkdir build # 创建一个目录用于cmake生成构建文件和配置文件
cd build && cmake ../ && make # 这一套编译完毕
make install # 安装，到/usr/local/lib64/libsnappy.a文件
# 又安装了snappy-1.1.3
cd /root/packages/snappy-1.1.3 && ./configure
make && make install # 安装到/usr/local/lib/libsnappy开头的文件（.la/.a/.so/.so.1/.so.1.3.0）

# Hive使用压缩：库文件和Hive命令都要设置
cp /usr/local/lib64/libsnappy.a /usr/local/hadoop/hadoop-2.7.6/lib/native/ # 首先库文件
# 执行hive命令：set hive.exec.compress.intermediate=true;（默认是false不使用压缩）中间传输数据启用压缩，这个还要求mapreduce.map.output.compress设为true及相关压缩器设置（前面已设置好，也可在hive中临时设置：set mapreduce.map.output.compress=true;），还需要设置set hive.exec.compress.output=true;（默认是false不使用压缩）输出启用压缩，这个还要求mapreduce.output.fileoutputformat.compress设为true(前面已设置好)。

# 最后折腾了半天hadoop的snappy压缩还是不能用，应该需要重新编译，使用带snappy参数的方式。暂时还是使用默认的压缩方式吧（需要将mapred-site.xml中的带有codec的设为org.apache.hadoop.io.compress.DefaultCodec）。

Hadoop下的core-site.xml配置文件修改内容如下：

<property>
  <name>io.compression.codecs</name>
  <value>
    org.apache.hadoop.io.compress.GzipCodec,
    org.apache.hadoop.io.compress.DefaultCodec,
    org.apache.hadoop.io.compress.BZip2Codec,
    org.apache.hadoop.io.compress.SnappyCodec
  </value>
  <description>支持的压缩格式，默认是空</description>
</property>

Hadoop下的mapred-site.xml配置文件修改内容如下：

<property>
  <name>mapreduce.map.output.compress</name>
  <value>true</value>
  <description>mapper输出启用压缩，默认是false</description>
</property>
<property>
  <name>mapreduce.map.output.compress.codec</name>
  <value>org.apache.hadoop.io.compress.SnappyCodec</value>
  <description>mapper输出使用的压缩器，默认是org.apache.hadoop.io.compress.DefaultCodec</description>
</property>
<property>
  <name>mapreduce.output.fileoutputformat.compress</name>
  <value>true</value>
  <description>reducer输出启用压缩，默认是false</description>
</property>
<property>
  <name>mapreduce.output.fileoutputformat.compress.codec</name>
  <value>org.apache.hadoop.io.compress.SnappyCodec</value>
  <description>reducer输出使用的压缩器，默认是org.apache.hadoop.io.compress.DefaultCodec</description>
</property>
<property>
  <name>mapreduce.output.fileoutputformat.compress.type</name>
  <value>BLOCK</value>
  <description>reducer输出最终按块压缩，默认是RECORD按行</description>
</property>
`