Hive安装与配置

第 1 节 Hive安装配置介绍

Hive官网：http://hive.apache.org

下载网址：http://archive.apache.org/dist/hive/

文档网址：https://cwiki.apache.org/confluence/display/Hive/LanguageManual

安装前提：3台虚拟机，安装了Hadoop

安装软件：Hive(2.3.7) + MySQL (5.7.26)

备注：Hive的元数据默认存储在自带的 derby 数据库中，生产中多采用MySQL

derby：java语言开发占用资源少，单进程，单用户。仅仅适用于个人的测试。

软件	Linux01	Linux02	Linux03
hadoop	√	√	√
mysql	√
hive	√

# hive安装包 
apache-hive-2.3.7-bin.tar.gz 

# MySQL安装包 
mysql-5.7.26-1.el7.x86_64.rpm-bundle.tar 

# MySQL的JDBC驱动程序 
mysql-connector-java-5.1.46.jar 

# 整体的安装步骤： 
1、安装MySQL 
2、安装配置Hive 
3、Hive添加常用配置

第 2 节 Mysql 安装

Hive中使用MySQL存储元数据，MySQL的版本 5.7.26。安装步骤：

1、环境准备(删除有冲突的依赖包、安装必须的依赖包) 
2、安装MySQL 
3、修改root口令(找到系统给定的随机口令、修改口令) 
4、在数据库中创建hive用户 

2.1 删除MariaDB

centos7.6自带的 MariaDB(MariaDB是MySQL的一个分支)，与要安装的MySQL有冲突，需要删除。

# 查询是否安装了mariadb 
rpm -aq | grep mariadb 

# 删除mariadb。-e 删除指定的套件；--nodeps 不验证套件的相互关联性 
rpm -e --nodeps mariadb-libs

2.2 安装依赖

yum install perl -y
yum install net-tools -y

2.3 安装Mysql

# 接压缩 
tar xvf mysql-5.7.26-1.el7.x86_64.rpm-bundle.tar 

# 依次运行以下命令 （安装有依赖顺序）
rpm -ivh mysql-community-common-5.7.26-1.el7.x86_64.rpm 
rpm -ivh mysql-community-libs-5.7.26-1.el7.x86_64.rpm 
rpm -ivh mysql-community-client-5.7.26-1.el7.x86_64.rpm 
rpm -ivh mysql-community-server-5.7.26-1.el7.x86_64.rpm

2.4 启动数据库

systemctl start mysqld

2.5 查找root密码

grep password /var/log/mysqld.log

2.6 修改root密码

# 进入MySQL，使用前面查询到的口令 
mysql -u root -p 

# 设置口令强度；将root口令设置为12345678；刷新 
set global validate_password_policy=0; 
set password for 'root'@'localhost' =password('12345678'); 
flush privileges;

validate_password_policy 密码策略(默认是1)，可配置的值有以下：

• 0 or LOW 仅需需符合密码长度（由参数validate_password_length【默认为8】指定）

• 1 or MEDIUM 满足LOW策略，同时还需满足至少有1个数字，小写字母，大写字母和特殊字符

• 2 or STRONG 满足MEDIUM策略，同时密码不能存在字典文件（dictionaryfile）中

备注：个人开发环境，出于方便的目的设比较简单的密码；生产环境一定要设复杂密码！

2.7 创建hive用户

-- 创建用户设置口令、授权、刷新 CREATE USER 'hive'@'%' IDENTIFIED BY '12345678'; GRANT ALL ON *.* TO 'hive'@'%'; FLUSH PRIVILEGES;

第 3 节 Hive 安装

安装步骤： 
1、下载、上传、解压缩 
2、修改环境变量 
3、修改hive配置 
4、拷贝JDBC的驱动程序 
5、初始化元数据库 

3.1 下载Hive软件，并解压缩

cd /opt/software 
tar zxvf apache-hive-2.3.7-bin.tar.gz -C ../servers/ 
cd ../servers 
mv apache-hive-2.3.7-bin hive-2.3.7 

3.2 修改环境变量

# 在 /etc/profile 文件中增加环境变量 
export HIVE_HOME=/opt/servers/hive-2.3.7 
export PATH=$PATH:$HIVE_HOME/bin 

# 执行并生效 
source /etc/profile

3.3 修改Hive配置

cd $HIVE_HOME/conf
vi hive-site.xml

• hive-site.xml增加以下内容：

<?xml version="1.0" encoding="UTF-8" standalone="no"?> <?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration> 
    <!-- hive元数据的存储位置 -->
    <property>
        <name>javax.jdo.option.ConnectionURL</name>
        <value>jdbc:mysql://linux01:3306/hivemetadata?createDatabaseIfNotExist=true&amp;useSSL=false</value>
        <description>JDBC connect string for a JDBC metastore</description>
    </property>
    <!-- 指定驱动程序 -->
    <property>
        <name>javax.jdo.option.ConnectionDriverName</name>
        <value>com.mysql.jdbc.Driver</value>
        <description>Driver class name for a JDBC metastore</description>
    </property> 
    <!-- 连接数据库的用户名 -->
    <property>
        <name>javax.jdo.option.ConnectionUserName</name>
        <value>hive</value>
        <description>username to use against metastore database</description>
    </property> 
    <!-- 连接数据库的口令 -->
    <property>
        <name>javax.jdo.option.ConnectionPassword</name>
        <value>12345678</value>
        <description>password to use against metastore database</description>
    </property>
</configuration>

备注：

jdbc:mysql://linux01:3306/hivemetadata?createDatabaseIfNotExist=true&useSSL=false

• createDatabaseIfNotExist 如果不存在是否创建

• 注意jdbc的连接串，如果没有 useSSL=false 会有大量警告

• 在xml文件中 & 表示 &

3.4 拷贝Mysql JDBC 驱动程序

将 mysql-connector-java-5.1.46.jar 拷贝到 $HIVE_HOME/lib

3.5 初始化元数据库

# -dbType 数据库类型
# -initSchema 初始化
schematool -dbType mysql -initSchema

3.6 启动hive，执行命令

# 启动hive服务之前，请先启动 hdfs、yarn 的服务 
[root@linux01 ~]$ hive
# 执行sql测试
hive> show functions;

报错备注

• 当出现SafeModeException

Exception in thread "main" java.lang.RuntimeException: org.apache.hadoop.hdfs.server.namenode.SafeModeException

则是hive进入安全模式，需要等待15秒，一般不会超过15秒。

• 当出现9000 failed on connection

Exception in thread "main" java.lang.RuntimeException: java.net.ConnectException:Call From linux01/192.168.121 to linux01:9000 failed on connection 

则是hadoop 的 hdfs 和 yarn 没有启动

第 4 节 Hive 属性配置

hive-site.xml配置

可在hive-site.xml中增加以下常用配置，方便使用。

数据存储位置

<property> 
    <!-- 数据默认的存储位置(HDFS) -->
    <name>hive.metastore.warehouse.dir</name>
    <value>/user/hive/warehouse</value>
    <description>location of default database for the warehouse</description>
</property>

显示当前库

<property> 
    <!-- 在命令行中，显示当前操作的数据库 -->
    <name>hive.cli.print.current.db</name>
    <value>true</value>
    <description>Whether to include the current database in the Hive prompt.</description>
</property>

显示表头属性

<property> 
    <!-- 在命令行中，显示数据的表头 -->
    <name>hive.cli.print.header</name>
    <value>true</value>
</property>

本地模式

<property> 
    <!-- 操作小规模数据时，使用本地模式，提高效率 -->
    <name>hive.exec.mode.local.auto</name>
    <value>true</value>
    <description>Let Hive determine whether to run in local mode automatically</description>
</property>

备注：当 Hive 的输入数据量非常小时，Hive 通过本地模式在单台机器上处理所有的任务。对于小数据集，执行时间会明显被缩短。当一个job满足如下条件才能真正使用本地模式：

• job的输入数据量必须小于参数：hive.exec.mode.local.auto.inputbytes.max(默认128MB)

• job的map数必须小于参数：hive.exec.mode.local.auto.tasks.max (默认4)

• job的reduce数必须为0或者1

hive的日志文件

Hive的log默认存放在 /tmp/root 目录下（root为当前用户名）；这个位置可以修改。

vi $HIVE_HOME/conf/hive-log4j2.properties 
# 添加以下内容： 
property.hive.log.dir = /opt/servers/hive-2.3.7/logs

可以不修改，但是要知道位置。

Hadoop 2.x 中 NameNode RPC缺省的端口号：8020 (自己设置9000)

对端口号要敏感

hadoop 官方配置文档：hadoop.apache.org - Documentation - stable - 选一个稳定文档（如：3.2.1） - 滑倒最后 hdfs-default.xml

附录：添加第三方用户（Hadoop）

groupadd hadoop 
# -m：自动建立用户的登入目录 
# -g：指定用户所属的起始群组 
# -G<群组>：指定用户所属的附加群组 
# －s：指定用户登入后所使用的shell 
useradd -m hadoop -g hadoop -s /bin/bash 
passwd hadoop 
visudo 
# 在100行后添加。允许用户执行sudo，免密 
hadoop ALL=(ALL) NOPASSWD:ALL

建议：现阶段使用root用户

小结：

1、添加了配置，使用Hive更方便；

2、删除了有冲突的软件包(hive)

3、Hive的日志在哪里(/tmp/root)

4、第三方用户使用Hive。建议使用root用户

5、NameNode 缺省的RPC(远程过程调用)端口号8020，经常使用的端口号9000

第 5 节 参数配置方式

查看参数配置信息：

-- 查看全部参数 
hive> set; 
-- 查看某个参数 
hive> set hive.exec.mode.local.auto; 
hive.exec.mode.local.auto=false

参数配置的三种方式

1、用户自定义配置文件(hive-site.xml)

2、启动hive时指定参数(-hiveconf)

3、hive命令行指定参数(set)

配置信息的优先级：

set > -hiveconf > hive-site.xml > hive-default.xml

5.1 配置文件方式

默认配置文件：hive-default.xml

用户自定义配置文件：hive-site.xml

配置优先级：hive-site.xml > hive-default.xml

配置文件的设定对本机启动的所有Hive进程有效；

配置文件的设定对本机所有启动的Hive进程有效；

5.2 启动时制定参数值

启动Hive时，可以在命令行添加 -hiveconf param=value 来设定参数，这些设定仅对本次启动有效。

# 启动时指定参数 
hive -hiveconf hive.exec.mode.local.auto=true 
# 在命令行检查参数是否生效 
hive> set hive.exec.mode.local.auto; 
hive.exec.mode.local.auto=true 

5.3 命令行修改参数

可在 Hive 命令行中使用SET关键字设定参数，同样仅对本次启动有效

hive> set hive.exec.mode.local.auto=false; 
hive> set hive.exec.mode.local.auto; 
hive.exec.mode.local.auto=false

命令级别：set > -hiveconf > hive-site.xml > hive-default.xml