请选择 进入手机版 | 继续访问电脑版

Hive入门教程

[复制链接]
余峻 发表于 2020-12-31 20:20:56 | 显示全部楼层 |阅读模式 打印 上一主题 下一主题
文章目次



  一、Hive的基本概念

1.1 什么是Hive?

Hive:由 Facebook 开源用于办理海量结构化日志的数据统计工具。
Hive:是基于 Hadoop的一个数据堆栈工具,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。
Hive本质:
将HQL转化成MapReduce步伐

(1)Hive处理惩罚的数据存储在HDFS
(2)Hive分析数据底层的实现是MapReduce
(3)执行步伐运行在Yarn上
1.2 Hive优缺点

优点:
(1)操纵接口采用类 SQL 语法,提供快速开辟的本事(简单、容易上手)。
(2)制止了去写 MapReduce,淘汰开辟人员的学习本钱。
(3)Hive 的执行延迟比力高,因此 Hive 常用于数据分析,对实时性要求不高的场合。
(4)Hive 优势在于处理惩罚大数据,对于处理惩罚小数据没有优势,因为 Hive 的执行延迟比力高。
(5)Hive 支持用户自界说函数,用户可以根据自己的需求来实现自己的函数。
缺点:
(1)迭代式算法无法表达
(2)数据挖掘方面不擅长,由于 MapReduce 数据处理惩罚流程的限制,效率更高的算法却无法实现。
(3)Hive 自动生成的 MapReduce 作业,通常情况下不够智能化
(4)Hive 调优比力困难,粒度较粗
1.3 Hive架构




  • 1 )用户接口:Client CLI(command-line interface)、JDBC/ODBC(jdbc 访问 hive)、WEBUI(欣赏器访问 hive)
    2 )元数据:Metastore 元数据包罗:表名、表所属的数据库(默认是 default)、表的拥有者、列/分区字段、 表的范例(是否是外部表)、表的数据所在目次等; 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 举行存储,使用 MapReduce 举行盘算。
    4 )驱动器:Driver
    (1)分析器(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,好比 antlr;对 AST 举行语法分析,好比表是否存在、字段是否存在、SQL 语义是否有误。
    (2)编译器(Physical Plan):将 AST 编译生成逻辑执行操持。
    (3)优化器(Query Optimizer):对逻辑执行操持举行优化。
    (4)执行器(Execution):把逻辑执行操持转换成可以运行的物理操持。对于 Hive来说,就是 MR/Spark。

1.4 Hive与传统数据库比力

由于 Hive 采用了雷同 SQL 的查询语言 HQL(Hive Query Language),因此很容易将 Hive 明确为数据库。实在从结构上来看,Hive 和数据库除了拥有雷同的查询语言,再无雷同之处。本文将从多个方面来阐述 Hive 和数据库的差别。数据库可以用在 Online 的应用中,但是Hive 是为数据堆栈而设计的,清楚这一点,有助于从应用角度明确 Hive 的特性。
1.4.1 查询语言
由于 SQL 被广泛的应用在数据堆栈中,因此,专门针对 Hive 的特性设计了类 SQL 的查询语言 HQL。熟悉 SQL 开辟的开辟者可以很方便的使用 Hive 举行开辟。
1.4.2 数据更新
由于 Hive 是针对数据堆栈应用设计的,而数据堆栈的内容是读多写少的。因此,Hive 中不发起对数据的改写,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常常举行修改的,因此可以使用 INSERT INTO … VALUES 添加数据,使用 UPDATE … SET 修改数据。
1.4.3 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。别的一个导致 Hive 执行延迟高的因素是 MapReduce 框架。由于 MapReduce 自己具有较高的延迟,因此在使用 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,当数据规模大到高出数据库的处理惩罚本事的时候,Hive 的并行盘算显然能体现出优势。
1.4.4 数据规模
由于 Hive 建立在集群上并可以使用 MapReduce 举行并行盘算,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。
二、Hive 安装与使用

下载地点:http://archive.apache.org/dist/hive/
2.1 安装部署

安装 Hive
1 )把 把 apache-hive-3.1.2-bin.tar.gz 上传到 linux 的/opt/software 目次下
2 ) 解压 apache-hive-3.1.2-bin.tar.gz 到/opt/module/ 目次下面
  1. [chen@hadoop102 software]$ tar -zxvf /opt/software/apache-hive-3.1.2-bin.tar.gz -C /opt/module/
复制代码
3 ) 修改 apache-hive-3.1.2-bin.tar.gz 的名称为 hive
  1. [chen@hadoop102 software]$ mv /opt/module/apache-hive-3.1.2-bin//opt/module/hive
复制代码
4 ) 修改/etc/profile.d/my_env.sh , 添加情况变量
  1. [chen@hadoop102 software]$ sudo vim /etc/profile.d/my_env.sh
复制代码
5 ) 添加内容
  1. #HIVE_HOMEexport HIVE_HOME=/opt/module/hiveexport PATH=$PATH:$HIVE_HOME/bin
复制代码
6 )办理日志 Jar 包辩论
  1. [chen@hadoop102 software]$ mv $HIVE_HOME/lib/log4j-slf4j-impl-2.10.0.jar $HIVE_HOME/lib/log4j-slf4j-impl-2.10.0.bak
复制代码
7 )初始化元数据库
  1. [chen@hadoop102 hive]$ bin/schematool -dbType derby -initSchema
复制代码
2.2 启动并使用Hive

1 )启动 Hive
[atguigu@hadoop102 hive]$ bin/hive
2 )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;
3 )在 CRT 窗口 中开启另一个窗口开启 Hive ,在/tmp/atguigu 目次下监控 hive.log 文件
  1. Caused by: ERROR XSDB6: Another instance of Derby may have already bootedthe database /opt/module/hive/metastore_db.atorg.apache.derby.iapi.error.StandardException.newException(UnknownSource)atorg.apache.derby.iapi.error.StandardException.newException(UnknownSource)
复制代码
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,所以我们需要将 Hive 的元数据地点改为 MySQL。
2.3 Hive元数据配置到MySQL

2.3.1 拷贝 驱动
将 MySQL 的 JDBC 驱动拷贝到 Hive 的 lib 目次下
  1. [chen@hadoop102 software]$ cp /opt/software/mysql-connector-java-5.1.37.jar $HIVE_HOME/lib
复制代码
2.3.2 配置 Metastore 到 到 MySQL
1 ) 在HIVE_HOME/conf 目次下新建 hive-site.xml 文件
  1. [chen@hadoop102 software]$ vim $HIVE_HOME/conf/hive-site.xml
复制代码
添加如下内容
  1. javax.jdo.option.ConnectionURLjdbc:mysql://hadoop102:3306/metastore?useSSL=falsejavax.jdo.option.ConnectionDriverNamecom.mysql.jdbc.Driverjavax.jdo.option.ConnectionUserNamerootjavax.jdo.option.ConnectionPassword000000hive.metastore.schema.verificationfalsehive.metastore.event.db.notification.api.authfalsehive.metastore.warehouse.dir/user/hive/warehouse
复制代码
代码如下(示例):
2 ) 登岸 MySQL

  1. [chen@hadoop102 software]$ mysql -uroot -p000000
复制代码
3 ) 新建 Hive 元数据库
  1. mysql> create database metastore;
复制代码
mysql> quit;
4 ) 初始化 Hive 元数据库
  1. [chen@hadoop102 software]$ schematool -initSchema -dbType mysql -verbose
复制代码
再次启动 Hive
1 )启动 Hive
  1. [chen@hadoop102 hive]$ bin/hive
复制代码
2 )使用 Hive
  1. hive> show databases;hive> show tables;hive> create table test (id int);hive> insert into test values(1);hive> select * from test;
复制代码
3 )在 CRT 窗口 中开启另一个窗口开启 Hive
  1. hive> show databases;hive> show tables;hive> select * from aa;
复制代码
2.4 使用元数据服务的方式访问 Hive

1 )在 在 hive-site.xml 文件中添加如下配置信息
  1. hive.metastore.uristhrift://hadoop102:9083
复制代码
2 ) 启动 metastore
  1. [chen@hadoop202 hive]$ hive --service metastore2020-04-24 16:58:08: Starting Hive Metastore Server
复制代码
注意: 启动后窗口不能再操纵,需打开一个新的 shell 窗口做别的操纵
3 ) 启动 hive
[atguigu@hadoop202 hive]$ bin/hive
2.5 使用 JDBC 问 方式访问 Hive

1 )在 在 hive-site.xml 文件中添加如下配置信息
  1. hive.server2.thrift.bind.hosthadoop102hive.server2.thrift.port10000
复制代码
2 )启动 hiveserver2
  1. [chen@hadoop102 hive]$ bin/hive --service hiveserver2
复制代码
3 ) 启动 beeline 客户端 ( 需要多等候一会 )
  1. [chen@hadoop102 hive]$ bin/beeline -u jdbc:hive2://hadoop102:10000 -n atguigu
复制代码
4 ) 看到如下界面
  1. Connecting to jdbc:hive2://hadoop102:10000Connected to: Apache Hive (version 3.1.2)Driver: Hive JDBC (version 3.1.2)Transaction isolation: TRANSACTION_REPEATABLE_READBeeline version 3.1.2 by Apache Hive0: jdbc:hive2://hadoop102:10000>
复制代码
2.6 Hive 常用交互下令

  1. [chen@hadoop102 hive]$ bin/hive -helpusage: hive-d,--define  Variable subsitution to apply to hivecommands. e.g. -d A=B or --define A=B--database  Specify the database to use-e  SQL from command line-f  SQL from files-H,--help Print help information--hiveconf  Use value for given property--hivevar  Variable subsitution to apply to hivecommands. e.g. --hivevar A=B-i  Initialization SQL file-S,--silent Silent mode in interactive shell-v,--verbose Verbose mode (echo executed SQL to theconsole)
复制代码
1 ) “-e ”不进入 hive 的交互窗口执行 sql 语句
[atguigu@hadoop102 hive]$ bin/hive -e “select id from student;”
2 ) “-f ”执行脚本中 sql 语句
(1)在/opt/module/hive/下创建 datas 目次并在 datas 目次下创建 hivef.sql 文件
[chen@hadoop102 datas]$ touch hivef.sql
(2)文件中写入正确的 sql 语句
select *from student;
(3)执行文件中的 sql 语句
  1. [chen@hadoop102 hive]$ bin/hive -f /opt/module/hive/datas/hivef.sql
复制代码
(4)执行文件中的 sql 语句并将效果写入文件中
  1. [chen@hadoop102 hive]$ bin/hive -f /opt/module/hive/datas/hivef.sql >/opt/module/datas/hive_result.txt
复制代码
2.7 Hive 其他下令操纵

1 ) 退出 hive 窗口:
  1. hive(default)>exit;hive(default)>quit;
复制代码
2 )在 在 hive cli 下令窗口中如何检察 hdfs 文件系统
hive(default)>dfs -ls /;
3 ) 检察在 hive 中输入的所有历史下令
(1)进入到当前用户的根目次 /root 或/home/atguigu
(2)检察. hivehistory 文件
  1. [chen@hadoop102 ~]$ cat .hivehistory
复制代码
2.8 Hive 常见属性配置

2.8.1 Hive 运行日志信息配置
1 )Hive 的 的 log 默认存放在/tmp/atguigu/hive.log 目次下(当前用户名下)
2 ) 修改 hive 的 的 log 存放日志到/opt/module/hive/logs
(1)修改/opt/module/hive/conf/hive-log4j2.properties.template 文件名称为
hive-log4j2.properties
  1. [chen@hadoop102 conf]$ pwd/opt/module/hive/conf[chen@hadoop102 conf]$ mv hive-log4j2.properties.template hive-log4j2.properties
复制代码
(2)在 hive-log4j2.properties 文件中修改 log 存放位置
hive.log.dir=/opt/module/hive/logs
2.8.2 打印 当前库 和 表头
在 hive-site.xml 中到场如下两个配置:
  1. hive.cli.print.headertruehive.cli.print.current.dbtrue
复制代码
2.8.3 参数配置方式
1 ) 检察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
用户自界说配置文件:hive-site.xml
注意:用户自界说配置会覆盖默认配置。别的,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 历程都有效。
(2)下令行参数方式
启动 Hive 时,可以在下令行添加-hiveconf param=value 来设定参数。
比方:
  1. [chen@hadoop103 hive]$ bin/hive -hiveconf mapred.reduce.tasks=10;
复制代码

注意:仅对本次 hive 启动有效
检察参数设置:
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
比方:
hive (default)> set mapred.reduce.tasks=100;
注意:仅对本次 hive 启动有效。
检察参数设置
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
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则


专注素材教程免费分享
全国免费热线电话

18768367769

周一至周日9:00-23:00

反馈建议

27428564@qq.com 在线QQ咨询

扫描二维码关注我们

Powered by Discuz! X3.4© 2001-2013 Comsenz Inc.( 蜀ICP备2021001884号-1 )