Hive-01 配置| 架构原理
Hive：由Facebook开源用于解决海量结构化日志的数据统计工具。
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
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，由于MapReduce数据处理流程的限制，效率更高的算法却无法实现。
2）Hive的效率比较低
（1）Hive自动生成的MapReduce作业，通常情况下不够智能化
（2）Hive调优比较困难，粒度较粗
1. Hive架构原理
hive的组成：
1）用户接口：Client
CLI（command-line interface）、JDBC/ODBC(jdbc访问hive)、WEBUI（浏览器访问hive）
2）元数据：Metastore - 描述数据的数据
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，推荐使用MySQL存储Metastore
3）Hadoop
使用HDFS进行存储，使用MapReduce进行计算。Hive计算和存储都是基于Hadoop的；
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。
Client + jdbc（都有接口实现的Driver，hive提供一套面向jdbc接口的输入输出，找到hive的jdbc连接driver就可以连接hive），
sql进来经过driver翻译处理，进入到SQL Parser解析器 ---->Physical Plan编译器，翻译成MR--->Query Optimizer优化器进行优化--->Execution进行执行；
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。
可以配置Hive运行引擎Tez：
https://www.cnblogs.com/shengyang17/p/10527700.html
2. Hive安装及配置
1）Hive官网地址
2）文档查看地址
https://cwiki.apache.org/confluence/display/Hive/GettingStarted
3）下载地址
http://archive.apache.org/dist/hive/
4）github地址
https://github.com/apache/hive
（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
[kris@hadoop101 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
[kris@hadoop101 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
[kris@hadoop101 conf]$ mv hive-env.sh.template hive-env.sh
（5）配置hive-env.sh文件
（a）配置HADOOP_HOME路径
export HADOOP_HOME=/opt/module/hadoop-2.7.2
（b）配置HIVE_CONF_DIR路径
export HIVE_CONF_DIR=/opt/module/hive/conf
---------------------3.0版本------------
添加环境变量
sudo vim /etc/profile.d/my_env.sh
#HIVE_HOME
export HIVE_HOME=/opt/module/hive
export PATH=$PATH:$HIVE_HOME/bin
3.0版本的JAR包冲突，
mv $HIVE_HOME/lib/log4j-slf4j-impl-2.10.0.jar $HIVE_HOME/lib/log4j-slf4j-impl-2.10.0.bak
初始化元数据库
[kris@hadoop101 hive]$ bin/schematool -dbType derby -initSchema
Hive Metastore三种配置方式
1. 本地Derby内嵌模式
使用derby存储方式，运行hive会在当前目录生产一个derby文件和一个metastore_db目录。弊端是在同一个目录下同时只能有一个hive客户端能使用数据库。
2. 本地mysql Local Metastore Server本地元存储
本地运行一个mysql服务，配置并将mysql的jar包拷贝到$HIVE_HOME/lib目录下
3. 远程mysql Remote Metastore Server 远程存储
远程运行一个mysql服务器且在Hive服务器启动meta服务
Metadata、 Metastore的作用
Metadata即元数据(Hive创建的databases、 table等元信息)，元数据存储在关系型数据库中。
Metastore的作用: 客户端连接 metastore服务，metastore再去连接mysql数据库来存取元数据。
有了metastore服务，就可以有多个客户端同时连接，客户端连接metastore服务即可。
本地mysql存储不需要单独起metastore服务，用的是跟hive在同一个进程里的metastore服务。
远程mysql存储需要单独起metastore服务，然后每个客户端都在配置文件中配置连接到该metastore服务。远程元存储的metastore服务和hive运行在不同的进程中。
Hadoop集群配置
Hadoop集群配置
（1）必须启动hdfs和yarn
start-dfs.sh
若启动时出现nodenode进程或其他，受到Ha的影响，删除data数据，可重新格式化；
killall java
[kris@hadoop101 ~]$ cd /tmp/
[kris@hadoop101 tmp]$ rm -rf *.pid
start-yarn.sh
在HDFS上创建/tmp和/user/hive/warehouse两个目录并修改他们的同组权限可写，看下没有这个文件（一般启动之后就会产生）就创建并修改权限；
[kris@hadoop101 tmp]$ hadoop fs -chmod 777 /tmp/
[kris@hadoop101 tmp]$ hadoop fs -chmod g+w /user/hive/warehouse
① 本地derby元数据存储模式
可直接启动hive
[kris@hadoop101 hive]$ bin/hive
将本地文件导入hive：
在/opt/module/目录下创建datas
[atguigu@hadoop102 module]$ mkdir datas
在/opt/module/datas/目录下创建student.txt文件并添加数据
hive> create table student(id int, name string)
> ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t';
hive> load data local inpath '/opt/module/datas/student.txt' into table student;
Loading data to table default.student
Table default.student stats: [numFiles=2, numRows=0, totalSize=330, rawDataSize=0]
hive> show tables;
student
hive> select * from student;
OK
1001 ss1
1002 ss2
1003 ss3
1004 ss4
1005 ss5
再打开一个客户端窗口启动hive，会产生java.sql.SQLException异常。
Caused by: ERROR XSDB6: Another instance of Derby may have already booted the database /opt/module/hive/metastore_db.
原因是，Metastore默认存储在自带的derby数据库中，推荐使用MySQL存储Metastore;
② 本地mysql元数据存储模式
MySql的安装
[kris@hadoop101 ~]$ rpm -qa | grep mysql mysql-libs-5.1.73-7.el6.x86_64 [kris@hadoop101 ~]$ sudo rpm -e --nodeps mysql-libs-5.1.73-7.el6.x86_64 把之前安装的卸载掉； [kris@hadoop101 ~]$ rpm -qa | grep mysql [kris@hadoop101 ~]$ unzip /opt/software/mysql-libs.zip [kris@hadoop101 mysql-libs]$ ll 总用量 76048 -rw-rw-r-- 1 kris kris 18509960 3月 26 2015 MySQL-client-5.6.24-1.el6.x86_64.rpm -rw-rw-r-- 1 kris kris 3575135 12月 1 2013 mysql-connector-java-5.1.27.tar.gz -rw-rw-r-- 1 kris kris 55782196 3月 26 2015 MySQL-server-5.6.24-1.el6.x86_64.rpm
在root用户下安装Mysql
sudo rpm -ivh MySQL-server-5.6.24-1.el6.x86_64.rpm //1.在root用户下安装mysql服务器
sudo cat /root/.mysql_secret
sudo rpm -ivh MySQL-client-5.6.24-1.el6.x86_64.rpm //2. 安装mysql客户端
cat /root/.mysql_secret //3. 查看mysql默认密码，记下来登陆进去修改密码
sudo service mysql start //4. 开启mysql服务器;
mysql -uroot -p iGD2pY1XQycacXKc //5.进入mysql修改
mysql> show databases;
ERROR 1820 (HY000): You must SET PASSWORD before executing this statement
mysql> set password=password("123456");
Query OK, 0 rows affected (0.00 sec)
mysql> show databases;
+--------------------+
| Database |
+--------------------+
| information_schema |
| mysql |
| performance_schema |
| test |
+--------------------+
4 rows in set (0.00 sec)
mysql> exit;
Bye
[kris@hadoop101 software]$ mysql -uroot -p123456
use mysql;
mysql> select user, host, password from user;
+------+-----------+-------------------------------------------+
| user | host | password |
+------+-----------+-------------------------------------------+
| root | localhost | *6BB4837EB74329105EE4568DDA7DC67ED2CA2AD9 |
| root | hadoop101 | *F989EA3B224D436B6BEAEAEB2E879B7E765C28C5 |
| root | 127.0.0.1 | *F989EA3B224D436B6BEAEAEB2E879B7E765C28C5 |
| root | ::1 | *F989EA3B224D436B6BEAEAEB2E879B7E765C28C5 |
+------+-----------+-------------------------------------------+
4 rows in set (0.00 sec)
mysql> delete from user where host<>"localhost";
Query OK, 3 rows affected (0.00 sec)
mysql> update user set host='%' where host='localhost';
mysql> flush privileges;
Hive元数据配置到MySql
拷贝驱动到hive的lib目录下面
[kris@hadoop101 software]$ tar -zxf mysql-connector-java-5.1.27.tar.gz
[kris@hadoop101 software]$ ll
总用量 200936
drwxr-xr-x. 4 kris kris 4096 10月 24 2013 mysql-connector-java-5.1.27
[kris@hadoop101 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
[kris@hadoop101 conf]$ touch hive-site.xml
[kris@hadoop101 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
<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<!-- jdbc连接的URL -->
<property>
<name>javax.jdo.option.ConnectionURL</name>
<value>jdbc:mysql://hadoop101:3306/metastore?createDatabaseIfNotExist=true</value>
<description>JDBC connect string for a JDBC metastore</description>
</property>
<!-- jdbc连接的Driver -->
<property>
<name>javax.jdo.option.ConnectionDriverName</name>
<value>com.mysql.jdbc.Driver</value>
<description>Driver class name for a JDBC metastore</description>
</property>
<property>
<name>javax.jdo.option.ConnectionUserName</name>
<value>root</value>
<description>username to use against metastore database</description>
</property>
<property>
<name>javax.jdo.option.ConnectionPassword</name>
<value>123456</value>
<description>password to use against metastore database</description>
</property>
<!-- Hive元数据存储版本的验证 -->
<property>
<name>hive.metastore.schema.verification</name>
<value>false</value>
</property>
<!--元数据存储授权-->
<property>
<name>hive.metastore.event.db.notification.api.auth</name>
<value>false</value>
</property>
<!-- Hive默认在HDFS的工作目录 -->
<property>
<name>hive.metastore.warehouse.dir</name>
<value>/user/hive/warehouse</value>
</property>
</configuration>
登陆MySQL
[kris@hadoop101 software]$ mysql -uroot -p000000
新建Hive元数据库
mysql> create database metastore;
mysql> quit;
初始化Hive元数据库
[kris@hadoop101 hive]$ schematool -initSchema -dbType mysql -verbose
[kris@hadoop101 hive]$ bin/hive
Logging initialized using configuration in jar:file:/opt/module/hive/lib/hive-common-1.2.1.jar!/hive-log4j.properties
hive>
配置完毕后，如果启动hive异常，可以重新启动虚拟机。（重启后，别忘了启动hadoop集群）
多窗口启动Hive测试
1．先启动MySQL
[kris@hadoop101 hive]$ mysql -uroot -p123456
mysql> show databases;
+--------------------+
| Database |
+--------------------+
| information_schema |
| metastore |
| mysql |
| performance_schema |
| test |
+--------------------+
5 rows in set (0.02 sec)
2．再次打开多个窗口，分别启动hive
[kris@hadoop101 hive]$ bin/hive
3．启动hive后，回到MySQL窗口查看数据库，显示增加了metastore数据库
③ 远程mysql元数据存储模式
1）在hive-site.xml文件中添加如下配置信息
<!-- 指定存储元数据要连接的地址 -->
<property>
<name>hive.metastore.uris</name>
<value>thrift://hadoop101:9083</value>
</property>
2）启动metastore
[kris@hadoop101 hive]$ hive --service metastore
2020-04-24 16:58:08: Starting Hive Metastore Server
注意: 启动后窗口不能再操作，需打开一个新的shell窗口做别的操作
3）启动 hive
[kris@hadoop101 hive]$ bin/hive
④ 使用JDBC方式访问Hive
1）在hive-site.xml文件中添加如下配置信息
<!-- 指定hiveserver2连接的host -->
<property>
<name>hive.server2.thrift.bind.host</name>
<value>hadoop101</value>
</property>
<!-- 指定hiveserver2连接的端口号 -->
<property>
<name>hive.server2.thrift.port</name>
<value>10000</value>
</property>
2）启动hiveserver2
[kris@hadoop101 hive]$ bin/hive --service hiveserver2 //它就相当于是SQL Parser解析器+Physical Plan编辑器+优化器+执行器
3）启动beeline客户端（需要多等待一会）
[kris@hadoop101 hive]$ bin/beeline -u jdbc:hive2://hadoop101:10000 -n kris //它就相当于是Client + Driver + CLI + JDBC
4）看到如下界面
Connecting to jdbc:hive2://hadoop101:10000 //必须把bin/hiveserver2启动了才能启动它，它们是配套的
Connected to: Apache Hive (version 3.1.2)
Driver: Hive JDBC (version 3.1.2)
Transaction isolation: TRANSACTION_REPEATABLE_READ
Beeline version 3.1.2 by Apache Hive
0: jdbc:hive2://hadoop101:10000> show databases;
+----------------+--+
| database_name |
+----------------+--+
| default |
+----------------+--+
1 row selected (1.233 seconds)
0: jdbc:hive2://hadoop101:10000>
发现这里发生变化：它会记录查询情况，是否出错
编写hive服务启动脚本
前台启动的方式导致需要打开多个shell窗口，可以使用如下方式后台方式启动
nohup: 放在命令开头，表示不挂起,也就是关闭终端进程也继续保持运行状态
/dev/null：是Linux文件系统中的一个文件，被称为黑洞，所有写入改文件的内容都会被自动丢弃
2>&1 : 表示将错误重定向到标准输出上
&: 放在命令结尾,表示后台运行
一般会组合使用: nohup [xxx命令操作]> file 2>&1 &，表示将xxx命令运行的结果输出到file中，并保持命令启动的进程在后台运行。
[kris@hadoop101 hive]$ nohup hive --service metastore 2>&1 &
[kris@hadoop101 hive]$ nohup hive --service hiveserver2 2>&1 &
编写脚本来管理服务的启动和关闭
[kris@hadoop101 hive]$ vim $HIVE_HOME/bin/hiveservices.sh
#!/bin/bash HIVE_LOG_DIR=$HIVE_HOME/logs if [ ! -d $HIVE_LOG_DIR ] then mkdir -p $HIVE_LOG_DIR fi #检查进程是否运行正常，参数1为进程名，参数2为进程端口 function check_process() { pid=$(ps -ef 2>/dev/null | grep -v grep | grep -i $1 | awk '{print $2}') ppid=$(netstat -nltp 2>/dev/null | grep $2 | awk '{print $7}' | cut -d '/' -f 1) echo $pid [[ "$pid" =~ "$ppid" ]] && [ "$ppid" ] && return 0 || return 1 } function hive_start() { metapid=$(check_process HiveMetastore 9083) cmd="nohup hive --service metastore >$HIVE_LOG_DIR/metastore.log 2>&1 &" [ -z "$metapid" ] && eval $cmd || echo "Metastroe服务已启动" server2pid=$(check_process HiveServer2 10000) cmd="nohup hiveserver2 >$HIVE_LOG_DIR/hiveServer2.log 2>&1 &" [ -z "$server2pid" ] && eval $cmd || echo "HiveServer2服务已启动" } function hive_stop() { metapid=$(check_process HiveMetastore 9083) [ "$metapid" ] && kill $metapid || echo "Metastore服务未启动" server2pid=$(check_process HiveServer2 10000) [ "$server2pid" ] && kill $server2pid || echo "HiveServer2服务未启动" } case $1 in "start") hive_start ;; "stop") hive_stop ;; "restart") hive_stop sleep 2 hive_start ;; "status") check_process HiveMetastore 9083 >/dev/null && echo "Metastore服务运行正常" || echo "Metastore服务运行异常" check_process HiveServer2 10000 >/dev/null && echo "HiveServer2服务运行正常" || echo "HiveServer2服务运行异常" ;; *) echo Invalid Args! echo 'Usage: '$(basename $0)' start|stop|restart|status' ;; esac 添加执行权限 [kris@hadoop101 hive]$ chmod +x $HIVE_HOME/bin/hiveservices.sh 启动Hive后台服务 [kris@hadoop101 hive]$ hiveservices.sh start
Hive常见属性配置
Hive数据仓库位置配置
1）Default数据仓库的最原始位置是在hdfs上的：/user/hive/warehouse路径下。
2）在仓库目录下，没有对默认的数据库default创建文件夹。如果某张表属于default数据库，直接在数据仓库目录下创建一个文件夹。
3）修改default数据仓库原始位置（将hive-default.xml.template如下配置信息拷贝到hive-site.xml文件中）。
<property> <name>hive.metastore.warehouse.dir</name> <value>/user/hive/warehouse</value> <description>location of default database for the warehouse</description> </property>
配置同组用户有执行权限
bin/hdfs dfs -chmod g+w /user/hive/warehouse
查询后信息显示配置
1）在hive-site.xml文件中添加如下配置信息，就可以实现显示当前数据库，以及查询表的头信息配置。
<property> <name>hive.cli.print.header</name> <value>true</value> </property> <!-- Hive客户端查询显示不带表名的字段名 --> <property> <name>hive.resultset.use.unique.column.names</name> <value>false</value> </property> <property> <name>hive.cli.print.current.db</name> <value>true</value> </property>
2）重新启动hive，对比配置前后差异。
Hive运行日志信息配置
1．Hive的log默认存放在/tmp/kris/hive.log目录下（当前用户名下）
2．修改hive的log存放日志到/opt/module/hive/logs
1）修改/opt/module/hive/conf/hive-log4j.properties.template文件名称为 hive-log4j.properties
2）在hive-log4j.properties文件中修改log存放位置 hive.log.dir=/opt/module/hive/logs
参数配置方式
1．查看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； 用户自定义配置文件：hive-site.xml
注意：用户自定义配置会覆盖默认配置。另外，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进程都有效。
（2）命令行参数方式
启动Hive时，可以在命令行添加-hiveconf param=value来设定参数。例如：
[kris@hadoop101 hive]$ bin/hive -hiveconf mapred.reduce.tasks=10;
注意：仅对本次hive启动有效
查看参数设置：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； 例如：
hive (default)> set mapred.reduce.tasks=100;
注意：仅对本次hive启动有效。
查看参数设置：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<命令行参数<参数声明。注意某些系统级的参数，例如log4j相关的设定，必须用前两种方式设定，因为那些参数的读取在会话建立以前已经完成了。
Hive常用交互命令
“-e”不进入hive的交互窗口执行sql语句； “-f”执行脚本中sql语句
退出hive窗口：在新版的hive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；
[kris@hadoop101 hive]$ bin/hive -e "select * from student;"
Logging initialized using configuration in jar:file:/opt/module/hive/lib/hive-common-1.2.1.jar!/hive-log4j.properties
OK
1001 ss1
1002 ss2
1003 ss3
写入文件中：
[kris@hadoop101 datas]$ vim hivef.sql
select * from student;
[kris@hadoop101 hive]$ bin/hive -f /opt/module/datas/hivef.sql
Logging initialized using configuration in jar:file:/opt/module/hive/lib/hive-common-1.2.1.jar!/hive-log4j.properties
OK
1001 ss1
1002 ss2
1003 ss3
hive> dfs -ls /;
Found 2 items
drwxrwxr-x - kris supergroup 0 2019-02-13 15:59 /tmp
drwxr-xr-x - kris supergroup 0 2019-02-13 15:54 /user
hive> !ls /opt/module/datas
> ;
business.txt
dept.txt
emp_sex.txt
emp.txt
hivef.sql
location.txt
log.data
score.txt
student.txt
hive>
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
[kris@hadoop101 ~]$ cat .hivehistory
