Hive架构和工作原理

Hive架构和工作原理

from：https://cloud.tencent.com/developer/news/362488

一、Hive 架构

下面是Hive的架构图。

Hive的体系结构可以分为以下几部分：

1、用户接口主要有三个：CLI，Client 和 WUI。其中最常用的是CLI，Cli启动的时候，会同时启动一个Hive副本。Client是Hive的客户端，用户连接至Hive Server。在启动 Client模式的时候，需要指出Hive Server所在节点，并且在该节点启动Hive Server。 WUI是通过浏览器访问Hive。

2、Hive将元数据存储在数据库中，如mysql、derby。Hive中的元数据包括表的名字，表的列和分区及其属性，表的属性（是否为外部表等），表的数据所在目录等。

3、解释器、编译器、优化器完成HQL查询语句从词法分析、语法分析、编译、优化以及查询计划的生成。生成的查询计划存储在HDFS中，并在随后有MapReduce调用执行。

4、Hive的数据存储在HDFS中，大部分的查询、计算由MapReduce完成（包含*的查询，比如select * from tbl不会生成MapRedcue任务）。

二、元数据存储

Hive将元数据存储在RDBMS中，有三种模式可以连接到数据库：

1、元数据库内嵌模式：此模式连接到一个In-memory 的数据库Derby，一般用于Unit Test。

2、元数据库mysql模式：通过网络连接到一个数据库中，是最经常使用到的模式。

3、MetaStoreServe访问元数据库模式：用于非Java客户端访问元数据库，在服务器端启动MetaStoreServer，客户端利用Thrift协议通过MetaStoreServer访问元数据库。

对于数据存储，Hive没有专门的数据存储格式，也没有为数据建立索引，用户可以非常自由的组织Hive中的表，只需要在创建表的时候告诉Hive数据中的列分隔符和行分隔符，Hive就可以解析数据。Hive中所有的数据都存储在HDFS中，存储结构主要包括数据库、文件、表和视图。Hive中包含以下数据模型：Table内部表，External Table外部表，Partition分区，Bucket桶。Hive默认可以直接加载文本文件，还支持sequence file 、RCFile。

4、三种模式汇总：

三、Hive 工作原理

Hive 工作原理如下图所示。

Hive构建在Hadoop之上

1、HQL中对查询语句的解释、优化、生成查询计划是由Hive完成的

2、所有的数据都是存储在Hadoop中

3、查询计划被转化为MapReduce任务，在Hadoop中执行（有些查询没有MR任务，如：select * from table）

4、Hadoop和Hive都是用UTF-8编码的

Hive编译器的组成：

Hive编译流程如下

四、Hive安装和部署

1、解压缩 hive 安装包

2、安装并启动mysql

3、修改 mysql 密码

4、给root用户访问授权

5、建立链接,该命令在 hive 安装目录的 lib 目录下建立软链接，指向/usr/share/java/mysql-connector-java.jar

6、配置环境变量

生效环境变量

7、修改hadoop的配置文件core-site.xml

增加如下：

8、修改hive的配置文件hive-site.xml

增加如下：

注释：

hive.metastore.uris 中的“hadoop“含义为 metastore 所在的机器（启动metastore 的方法见下一节）

javax.jdo.option.ConnectionURL 中的“hadoop”为 mysql 安装机器的hostname

javax.jdo.option.ConnectionUserName 和javax.jdo.option.ConnectionPassword

分别为 mysql 的访问用户和密码

fs.defaultFS 为 HDFS 的 namenode 启动的机器地址

beeline.hs2.connection.user 和 beeline.hs2.connection.password 是 beeline 方式

访问的用户名和密码，可任意指定，但在 beeline 访问时要写入你指定的这个

（具体参考最后一部分）

9、启动hive metastore

10、启动 hiveserver2

11、hive 常见两种访问方式

hive

beeline

!connect jdbc:hive2://bigdata:10000/default bigdata bigdata