Fork me on GitHub

hive-01

hive

1.hive介绍：

1.什么是Hive

  • Hive：由Facebook开源用于解决海量结构化日志的数据统计。

  • 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

  • Hive处理数据存储在HDFS
  • Hive分析数据底层实现是MapReduce
  • 执行程序运行在Yarn上

2.Hive优缺点

  • 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，通常情况下不够智能化
（2）Hive调优比较困难，粒度较粗

3.Hive架构

4.Hive和数据库比较

  • 由于 Hive 采用了类似SQL 的查询语言 HQL(Hive Query Language)，因此很容易将 Hive 理解为数据库。其实从结构上来看，Hive 和数据库除了拥有类似的查询语言，再无类似之处。但是Hive 是为数据仓库而设计的，清楚这一点，有助于从应用角度理解 Hive 的特性，Hive不是数据库。

5.查询语句

  • 由于SQL被广泛的应用在数据仓库中，因此，专门针对Hive的特性设计了类SQL的查询语言HQL。熟悉SQL开发的开发者可以很方便的使用Hive进行开发。

6.数据存储位置

  • Hive建立在Hadoop之上，所有Hive数据都是存储在HDFS中的，而数据库则可以将数据保存在块设备或者本地文件系统中。

7.数据更新

  • 由于Hive是针对数据仓库应用设计的，而数据仓库的内容是读多写少的。因此，Hive中不建议对数据的改写，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经常进行修改的，因此可以使用 INSERT INTO … VALUES 添加数据，使用 UPDATE … SET修改数据。

8.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。Hive要访问数据中满足条件的特定值时，需要暴力扫描整个数据，因此访问延迟较高。由于 MapReduce 的引入， Hive 可以并行访问数据，因此即使没有索引，对于大数据量的访问，Hive 仍然可以体现出优势。数据库中，通常会针对一个或者几个列建立索引，因此对于少量的特定条件的数据的访问，数据库可以有很高的效率，较低的延迟。由于数据的访问延迟较高，决定了 Hive 不适合在线数据查询。

9.执行

  • Hive中大多数查询的执行是通过 Hadoop 提供的 MapReduce 来实现的。而数据库通常有自己的执行引擎。

10.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。另外一个导致 Hive 执行延迟高的因素是 MapReduce框架。由于MapReduce 本身具有较高的延迟，因此在利用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，当数据规模大到超过数据库的处理能力的时候，Hive的并行计算显然能体现出优势。

11.可扩展性

  • 由于Hive是建立在Hadoop之上的，因此Hive的可扩展性是和Hadoop的可扩展性是一致的（世界上最大的Hadoop 集群在 Yahoo!，2009年的规模在4000 台节点左右）。而数据库由于 ACID 语义的严格限制，扩展行非常有限。目前最先进的并行数据库 Oracle 在理论上的扩展能力也只有100台左右。

12.数据规模

  • 由于Hive建立在集群上并可以利用MapReduce进行并行计算，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。

2.hive的安装

  • 官网：http://hive.apache.org/

  • 文档查看：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

  • 安装部署：

    1.上传tar.gz包
2.解压：tar -zxvf apache-hive-2.3.1-bin.tar.gz 
3.mv apache-hive-2.3.1-bin hive-2.3.1
4.拷贝配置：cp hive-env.sh.template hive-env.sh
5.配置：vim hive-env.sh
HADOOP_HOME=/opt/hdp/hadoop-2.8.5
export HIVE_AUX_JARS_PATH=/opt/hdp/hive-2.3.1/conf
6.配置mysql允许远程访问(见下面mysql安装)
7.配置conf下xml文件
[root@linux01 conf]# vim hive-site.xml

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
        <property>
          <name>javax.jdo.option.ConnectionURL</name>
          # 配置连接mysql 地址   metastore表示远程连接的库
          <value>jdbc:mysql://linux01:3306/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>
		# 配置账号
        <property>
          <name>javax.jdo.option.ConnectionUserName</name>
          <value>root</value>
          <description>username to use against metastore database</description>
        </property>
		# 配置密码
        <property>
          <name>javax.jdo.option.ConnectionPassword</name>
          <value>root</value>
          <description>password to use against metastore database</description>
        </property>
</configuration>

8.将jdbc的ymsql驱动包上传hive/lib里面  mysql-connector-java-5.1.39.jar

9.启动hive客户端: /opt/hdp/hive-2.3.1/bin/hive
如报错：FAILED: SemanticException org.apache.hadoop.hive.ql.metadata.HiveException: java.lang.RuntimeExcepti
解决：
# hive-site.xml配置
  <property>
    <name>datanucleus.schema.autoCreateAll</name>
    <value>true</value>
  </property>
# mysql删除注册metastore
  drop database metastore;
# /opt/hdp/hive-2.3.1/bin下执行
  schematool -dbType mysql -initSchema

    hive连接方式2：

    # 启动hive的jdbc客户端
/opt/hdp/hive-2.3.1/bin/beeline
# 创建hive客户端连接
!connect jdbc:hive2://linux01:10000
# 输入用户名，密码

    hiveserver2报错解决

  • 启动zookeeper

    /opt/zookeeper-3.4.6/bin/zkServer.sh start /opt/zookeeper-3.4.6/conf/zoo.cfg

  • 启动dfs

    [root@linux01 sbin]# ./start-dfs.sh

  • hbase启动

    start-hbase.sh

  • 启动hive

    hive

  • 此时 http://linux01:50070/explorer.html中会有hbase文件

3.mysql安装

  • 采用rpm安装。

  • 授权：

    # 获取密码
grep 'temporary password' /var/log/mysqld.log
# 登录
mysql -uroot -p生成的面膜
# 修改管理员密码：
set global validate_password_policy=0
set global validate_password_length=4
SET PASSWORD = PASSWORD('你的密码')
# 设置远程登录权限
grant all privileges on *.* to 'root'@'%' identified by 'root' with grant option;
    • 在不知道root密码下更改root密码操作：适用5.7以上mysql
    1.关闭mysql服务：systemctl stop mysqld
2.配置my.conf 增加
	skip-grant-tables
3.启动mysql服务：
	systemctl start mysqld
4.进入mysql: mysql -uroot
5.关键点来了，更改密码
	use mysql;
	update user set authentication_string=password('root') where user="root"
6.退出mysql
7.关闭mysql:systemctl stop mysqld
8.关闭配置：vim my.conf 注释掉下面一行
	skip-grant-tables
9.重启mysql:systemctl start mysqld

4.hive与数据库命令

  • hive创建一个表

    create table tb_user(id int,name string);
# 默认表会存储在hdfs中 /user/hive/warehouse/tb_user

  • hive创建一个数据库

    create database demo;
# 默认数据库存储在hdfs中 /user/hive/warehouse/demo.db

  • 查询库

    show databases like "demo*";

  • 详细查看库

    desc database extended demo_1;

  • 更改库参数

    alter database demo_1 set dbproperites("author"="xujunkai");

  • 切换数据

    use demo

  • 查看正在被使用数据库

    select current_database();

  • 展示数据库所有表

    show tables;

  • 查看表结构

    desc 表名;
desc formatted 表名;# 详细表结构

  • 向表中插入数据(一般不会用它插入数据)

    insert into tb_user values(1, "wangming",22);
# 当执行完插入数据执行：show tables;
# 会多显示如下信息
values__tmp__table__1
# 代表插入的数据进入临时表中，重启后，会消失。

  • 查询数据

    select * from tb_user;

  • 退出客户端

    quit;

  • 删除数据库 强制删除

    drop database demo cascade;

5.基本设置+删除数据库

  • hive -help查看帮助如下：

     -d,--define <key=value>          Variable substitution to apply to Hive
                                  commands. e.g. -d A=B or --define A=B
    --database <databasename>     Specify the database to use
 -e <quoted-query-string>         SQL from command line
 -f <filename>                    SQL from files
 -H,--help                        Print help information
    --hiveconf <property=value>   Use value for given property
    --hivevar <key=value>         Variable substitution to apply to Hive
                                  commands. e.g. --hivevar A=B
 -i <filename>                    Initialization SQL file
 -S,--silent                      Silent mode in interactive shell
 -v,--verbose                     Verbose mode (echo executed SQL to the
                                  console)

  • -e 用法

    # 不用进到交互模式，操作数据库
hive - e "use demo; select * from tb_user;" > data.res

  • -f 用法

    # 使用hive 执行sql脚本
hive -f my.sql

  • 存储在hdfs路径配置

    # 1./opt/hdp/hive-2.3.1/conf 下：
	cp hive-default.xml.template hive-default.xml
# 2.修改默认数据仓库原始位置
  <property>
    <name>hive.metastore.warehouse.dir</name>
    <!--用户名-->
    <value>/user/hive/warehouse</value>
    <description>location of default database for the warehouse</description>
  </property>
# 3.配置同组用户有执行权限
	bin/hdfs dfs -chmod g+w /user/hive/warehourse

  • hive-site.xml 文件添加配置信息，可以实现显示当前数据库，一级查询表的头

    <property>
	<name>hive.cli.print.header</name>
	<value>true</value>
</property>
<property>
	<name>hive.cli.print.current.db</name>
	<value>true</value>
</property>

6. Hive 运行 日志信息配置

  • Hive 的log默认存放在/tmp/root/hive.log目录下（当前用户名下）

  • 修改hive的log存放日志到/opt/module/hive/logs

    # /opt/hdp/hive-2.3.1/conf目录下：
	mv hive-log4j2.properties.template hive-log4j2.properties
# vim hive-log4j2.properties
	修改：property.hive.log.dir = /opt/hdp/hive-2.3.1/logs

7.创建表加载本地数据到表中

  • 本地准备数据/data/user.txt

    1       Tom
2       Jerry
3       Lucy
4       Li
5       James

  • 创建表

    0: jdbc:hive2://linux01:10000>create table tb_user(id int , name string)row format delimited fields terminated by "\t";

  • 加载数据

    # 加载本地数据,(local表示本地数据)
load data local inpath "/data/user.txt" into table tb_user;
# 加载hdfs数据load到表中
load data inpath "/data/user.txt" into table tb_user;

create table tb_user(id int , name string)row format delimited fields terminated by "\t";

8.Hive创建表

  • 创建表语法

    CREATE [EXTERNAL] TABLE [IF NOT EXISTS] table_name 
[(col_name data_type [COMMENT col_comment], ...)] 
[COMMENT table_comment] 
[PARTITIONED BY (col_name data_type [COMMENT col_comment], ...)] 
[CLUSTERED BY (col_name, col_name, ...) 
[SORTED BY (col_name [ASC|DESC], ...)] INTO num_buckets BUCKETS] 
[ROW FORMAT row_format] 
[STORED AS file_format] 
[LOCATION hdfs_path]
-- 字段解释说明
（1）CREATE TABLE 创建一个指定名字的表。如果相同名字的表已经存在，则抛出异常；用户可以用 IF NOT EXISTS 选项来忽略这个异常。
（2）EXTERNAL关键字可以让用户创建一个外部表，在建表的同时指定一个指向实际数据的路径（LOCATION），Hive创建内部表时，会将数据移动到数据仓库指向的路径；若创建外部表，仅记录数据所在的路径，不对数据的位置做任何改变。在删除表的时候，内部表的元数据和数据会被一起删除，而外部表只删除元数据，不删除数据。
（3）COMMENT：为表和列添加注释。
（4）PARTITIONED BY创建分区表
（5）CLUSTERED BY创建分桶表
（6）SORTED BY不常用
（7）ROW FORMAT 
DELIMITED [FIELDS TERMINATED BY char] [COLLECTION ITEMS TERMINATED BY char]
        [MAP KEYS TERMINATED BY char] [LINES TERMINATED BY char] 
   | SERDE serde_name [WITH SERDEPROPERTIES (property_name=property_value, property_name=property_value, ...)]
用户在建表的时候可以自定义SerDe或者使用自带的SerDe。如果没有指定ROW FORMAT 或者ROW FORMAT DELIMITED，将会使用自带的SerDe。在建表的时候，用户还需要为表指定列，用户在指定表的列的同时也会指定自定义的SerDe，Hive通过SerDe确定表的具体的列的数据。
SerDe是Serialize/Deserilize的简称，目的是用于序列化和反序列化。
（8）STORED AS指定存储文件类型
常用的存储文件类型：SEQUENCEFILE（二进制序列文件）、TEXTFILE（文本）、RCFILE（列式存储格式文件）
如果文件数据是纯文本，可以使用STORED AS TEXTFILE。如果数据需要压缩，使用 STORED AS SEQUENCEFILE。
（9）LOCATION ：指定表在HDFS上的存储位置。
（10）LIKE允许用户复制现有的表结构，但是不复制数据。

  • Hive的最底层也事mapreduce，最终达到效果是为了提高查询效率。PARTITIONED 代表分区，CLUSTERED 代表分桶：

分区：分区是将文件放到不同文件夹上
分桶：分桶是将不同数据存到不同文件上

10.Hive内部表和外部表

  • 未被external修饰的是内部表（managed table），被external修饰的为外部表（external table）；

  • 区别：

    1.内部表数据由Hive自身管理，外部表数据由HDFS管理
2.内部表数据存储的位置是hive.metastore.warehouse.dir（默认：/user/hive/warehouse），外部表数据的存储位置由自己制定（如果没有LOCATION，Hive将在HDFS上的/user/hive/warehouse文件夹下以外部表的表名创建一个文件夹，并将属于这个表的数据存放在这里）
3.删除内部表会直接删除元数据（metadata）及存储数据；删除外部表仅仅会删除元数据，HDFS上的文件并不会被删除
4.对内部表的修改会将修改直接同步给元数据，而对外部表的表结构和分区进行修改，则需要修复

11 yarn配置

  • /opt/hdp/hadoop-2.8.5/etc/hadoop 下执行

    cp mapred-site.xml.template mapred-site.xml

  • vim mapred-site.xml配置如下

    <configuration>
        <property>
             <name>mapreduce.framework.name</name>
             <value>yarn</value>
        </property>
</configuration>

  • /opt/hdp/hadoop-2.8.5/etc/hadoop,接着修改配置文件 yarn-site.xml：

    <configuration>
<!--  主节点所在机器 -->
<property>
<name>yarn.resourcemanager.hostname</name>
<value>linux01</value>
</property>

<!--  为mr程序提供shuffle服务 -->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>

<!--  一台NodeManager的总可用内存资源 -->
<property>
<name>yarn.nodemanager.resource.memory-mb</name>
<value>2048</value>
</property>
<!--  一台NodeManager的总可用（逻辑）cpu核数 -->
<property>
<name>yarn.nodemanager.resource.cpu-vcores</name>
<value>2</value>
</property>

<!--  是否检查容器的虚拟内存使用超标情况 -->
<property>
  <name>yarn.nodemanager.vmem-check-enabled</name>
  <value>false</value>
</property>

<!--  容器的虚拟内存使用上限：与物理内存的比率 -->
<property>
  <name>yarn.nodemanager.vmem-pmem-ratio</name>
  <value>2.1</value>
</property>

</configuration>

  • 启动yarn

    ./sbin/start-yarn.sh      # 启动YARN
./sbin/mr-jobhistory-daemon.sh start historyserver  # 开启历史服务器，才能在Web中查看任务运行情况

11 mysqlJob for mysqld.service failed because the control process exited with error code问题

  • vim /var/log/mysqld.log

    2021-01-31T03:02:08.174208Z 0 [ERROR] Can't start server: can't create PID file: No such file or directory
2021-01-31T03:02:08.488448Z 0 [Note] InnoDB: Buffer pool(s) load completed at 210131 11:02:08
2021-01-31T03:02:09.174919Z mysqld_safe mysqld from pid file /var/run/mysqld/mysqld.pid ended

  • 发现没有/var/run/mysqld/mysqld.pid文件

    mkdir -p /var/run/mysqld/
touch /var/run/mysqld/mysqld.pid


chown mysql.mysql /var/run/mysqld
chown mysql.mysql /var/run/mysql/mysqld.pid

  • systemctl start mysqld即可

posted @   是阿凯啊  阅读(89)  评论(0)  编辑  收藏  举报
编辑推荐：
· Linux系列：如何用 C#调用 C方法造成内存泄露
· AI与.NET技术实操系列（二）：开始使用ML.NET
· 记一次.NET内存居高不下排查解决与启示
· 探究高空视频全景AR技术的实现原理
· 理解Rust引用及其生命周期标识（上）
阅读排行：
· 物流快递公司核心技术能力-地址解析分单基础技术分享
· .NET 10首个预览版发布：重大改进与新特性概览！
· 单线程的Redis速度为什么快？
· 展开说说关于C#中ORM框架的用法！
· Pantheons：用 TypeScript 打造主流大模型对话的一站式集成库
点击右上角即可分享
微信分享提示