HIVE学习整理（1）——基础篇

一、Hive概述

1.1 hive概念

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。

1.2 hive优缺点分析

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）避免了去写MapReduce，减少开发人员的学习成本。
3）Hive的执行延迟比较高，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。
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
2）Hive的效率比较低
（1）Hive自动生成的MapReduce作业，

• List item

通常情况下不够智能
（2）Hive调优比较困难，粒度较粗

1.3 hive架构原理

如图中所示，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。
1）用户接口：Client
CLI（hive shell）、JDBC/ODBC(java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，由于存在derby数据库中无法实现hive的多开，因此推荐使用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。

1.4 hive与数据库的区别

Hive采用了类似SQL的查询语言HQL(Hive Query Language)，但从结构上来看，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。

类别	区别
查询语言	SQL被广泛的应用在数据仓库中; 针对Hive的特性设计了类SQL的
数据存储位置	Hive数据存储在HDFS中; 数据库则将数据保存在块设备或者本地文件系统中。
数据更新	Hive是针对数据仓库应用设计的，是读多写少的;因此，Hive中所有的数据都是在加载的时候确定好的。 而数据库中可以使用INSERTINTO…VALUES添加数据，使用UPDATE…SET修改数据。
索引	Hive在加载数据的过程中不会对数据进行任何处理，甚至不会对数据进行扫描，因此也没有对数据中的某些Key建立索引;
执行	Hive中大多数查询的执行是通过Hadoop提供的MR来实现的; 而数据库通常有自己的执行引擎。
执行延迟	Hive由于利用MR框架且没有索引，查询时需要扫描整个表，因此延迟较高；
可扩展性	Hive的可扩展性是和Hadoop的可扩展性是一致的; 数据库由于ACID语义的严格限制，扩展行非常有限。
数据规模	Hive建立在集群上并可以利用MapReduce进行并行计算，可以支持很大规模的数据； 数据库可以支持的数据规模较小。

二、Hive安装及部署

2.1 下载地址

Hive官网地址：
http://hive.apache.org/
文档查看地址：
https://cwiki.apache.org/confluence/display/Hive/GettingStarted
下载地址：
http://archive.apache.org/dist/hive/
github地址：
https://github.com/apache/hive

2.2 安装部署

2.2.1 hive 安装

（1）把apache-hive-1.2.1-bin.tar.gz上传到linux的/opt/software目录下
（2）解压apache-hive-1.2.1-bin.tar.gz到/opt/module/目录下面
[root@hadoop102 software]# tar-zxvf apache-hive-1.2.1-bin.tar.gz-C /opt/module/
（3）修改apache-hive-1.2.1-bin.tar.gz的名称为hive
[root@hadoop102 module]# mv apache-hive-1.2.1-bin/ hive
（4）修改/opt/module/hive/conf目录下的hive-env.sh.template名称为hive-env.sh
[root@hadoop102 conf]# mvhive-env.sh.template hive-env.sh
（5）配置hive-env.sh文件
（a）配置HADOOP_HOME路径
（b）配置HIVE_CONF_DIR路径

2.2.2 hadoop配置

第一步：启动hdfs、yarn；
第二步：建立相应文件夹
/tmp 用于 存储
/user/hive/warehouse 存储数据仓库文件

2.2.3 Hive元数据配置到Mysql

驱动拷贝
1）在/opt/software/mysql-libs目录下解压mysql-connector-java-5.1.27.tar.gz驱动包

[root@hadoop102 mysql-libs]# tar-zxvf mysql-connector-java-5.1.27.tar.gz

2）拷贝/opt/software/mysql-libs/mysql-connector-java-5.1.27目录下的
mysql-connector-java-5.1.27-bin.jar到/opt/module/hive/lib/

[root@hadoop102 mysql-connector-java-5.1.27]# cp mysql-connector-java-5.1.27-bin.jar
/opt/module/hive/lib/

配置Metastore到MySql
1）在/opt/module/hive/conf目录下创建一个hive-site.xml

[root@hadoop102 conf]# touch hive-site.xml
[root@hadoop102 conf]# vi hive-site.xml

2）根据官方文档配置参数，拷贝数据到hive-site.xml文件中。
https://cwiki.apache.org/confluence/display/Hive/AdminManual+MetastoreAdmin

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<property>
<name>javax.jdo.option.ConnectionURL</name>

<!--指定HDFS中虚拟机的地址-->
<value>jdbc:mysql://hadoop2:3306/metastore?createDatabaseIfNotExist=true</value>
<description>JDBC connect string for a JDBC metastore</description>
</property>

<property>
<name>javax.jdo.option.ConnectionDriverName</name>
<value>com.mysql.jdbc.Driver</value>
<description>Driver class name for a JDBC metastore</description>
</property>
<!--指定Mysql登陆用户名-->
<property>
<name>javax.jdo.option.ConnectionUserName</name>
<value>root</value>
<description>username to use against metastore database</description>
</property>
<!--指定Mysql登陆密码-->
<property>
<name>javax.jdo.option.ConnectionPassword</name>
<value>000000</value>
<description>password to use against metastore database</description>
</property>
<!--指定HIVE中是否显示表的名称-->
<property>
<name>hive.cli.print.current.db</name>
<value>true</value>
<description>Whether to include the current database in the Hive prompt.</description>
</property>
<property>
<name>hive.cli.print.header</name>
<value>true</value>
<description>Whether to print the names of the columns in query output.</description>
</property>

</configuration>

三、常用操作命令

3.1 交互命令

1）“-e”不进入hive的交互窗口执行sql语句

[root@hadoop2 hive]# bin/hive-e "select id from student;"

2）“-f”执行脚本中sql语句
（1）在/opt/module/datas目录下创建hivef.sql文件

[root@hadoop2 datas]# touch hivef.sql

文件中写入正确的sql语句
（2）执行文件中的sql语句

[root@hadoop2 hive]# bin/hive -f /opt/module/datas/hivef.sql

（3）执行文件中的sql语句并将结果写入文件中

[root@hadoop2 hive]# bin/hive-f /opt/module/datas/hivef.sql  >/opt/module/datas/hive_result.txt

3.2 其他命令

1）退出hive窗口：
hive(default)>exit;
hive(default)>quit;
在新版的oracle中没区别了，在以前的版本是有的：
exit:先隐性提交数据，再退出；
quit:不提交数据，退出；
2）在hive cli命令窗口中如何查看hdfs文件系统
hive(default)>dfs-ls /;
3）在hive cli命令窗口中如何查看hdfs本地系统
hive(default)>!ls /opt/module/datas;
4）查看在hive中输入的所有历史命令
（1）进入到当前用户的根目录/root或/home/atguigu
（2）查看. hivehistory文件
cat .hivehistory