Hive3.1.2安装指南
Hive3.1.2安装指南
链接:https://pan.baidu.com/s/1FvQiiKhT6-KeibuNOOdzgQ
提取码:q25b
--来自百度网盘超级会员V6的分享
1、安装Hive3.1.2
首先需要下载Hive安装包文件, Hive官网下载地址
#解压安装包
hadoop@hadoop-master:~$ sudo tar xf apache-hive-3.1.2-bin.tar.gz -C /usr/local/
hadoop@hadoop-master:~$ cd /usr/local/
hadoop@hadoop-master:/usr/local$ sudo mv apache-hive-3.1.2-bin hive
#把hbase目录权限赋予给hadoop用户:
hadoop@hadoop-master:/usr/local$ sudo chown -R hadoop:hadoop hive
为了方便使用,我们把hive命令加入到环境变量中去,命令如下:
#配置环境变量
hadoop@hadoop-master:/usr/local$ vim ~/.bashrc
hadoop@hadoop-master:/usr/local$ tail -3 ~/.bashrc
export HIVE_HOME=/usr/local/hive
export PATH=$PATH:/usr/local/hadoop/bin:/usr/local/hadoop/sbin:/usr/local/hbase/bin:$HIVE_HOME/bin
export HADOOP_HOME=/usr/local/hadoop
#使环境变量立即生效
hadoop@hadoop-master:/usr/local$ source ~/.bashrc
将hive-default.xml.template重命名为hive-default.xml
hadoop@hadoop-master:/usr/local$ cd /usr/local/hive/conf/
hadoop@hadoop-master:/usr/local/hive/conf$ cp -a hive-default.xml.template hive-default.xml
然后新建一个配置文件hive-site.xml,添加如下配置信息:
hadoop@hadoop-master:/usr/local/hive/conf$ nano hive-site.xml
hadoop@hadoop-master:/usr/local/hive/conf$ cat hive-site.xml
<?xml version="1.0" encoding="UTF-8" standalone="no"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<property>
<name>javax.jdo.option.ConnectionURL</name>
<value>jdbc:mysql://localhost:3306/hive?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>
<property>
<name>javax.jdo.option.ConnectionUserName</name>
<value>hive</value>
<description>username to use against metastore database</description>
</property>
<property>
<name>javax.jdo.option.ConnectionPassword</name>
<value>hive</value>
<description>password to use against metastore database</description>
</property>
</configuration>
2、安装并配置mysql
这里我们采用MySQL数据库保存Hive的元数据,而不是采用Hive自带的derby来存储元数据。
首先需要安装MySQL
#更新软件源
hadoop@hadoop-master:~$ sudo apt-get update
#安装mysql
hadoop@hadoop-master:~$ sudo apt-get -y install mysql-server
#修改MySQL的编码
hadoop@hadoop-master:~$ egrep -v "^#|^$" /etc/mysql/mysql.conf.d/mysqld.cnf
......
[mysqld]
user = mysql
pid-file = /var/run/mysqld/mysqld.pid
socket = /var/run/mysqld/mysqld.sock
port = 3306
basedir = /usr
datadir = /var/lib/mysql
tmpdir = /tmp
character_set_server=utf8 #添加此行
lc-messages-dir = /usr/share/mysql
......
将下载后的mysql jdbc包解压
#解压安装包
hadoop@hadoop-master:~$ tar xf mysql-connector-java-5.1.40.tar.gz
#将mysql-connector-java-5.1.40-bin.jar拷贝到/usr/local/hive/lib目录下
hadoop@hadoop-master:~$ cp -a mysql-connector-java-5.1.40/mysql-connector-java-5.1.40-bin.jar /usr/local/hive/lib/
新建hive数据库
#这个hive数据库与hive-site.xml中localhost:3306/hive的hive对应,用来保存hive元数据
mysql> create database hive;
#配置mysql允许hive接入:
#将所有数据库的所有表的所有权限赋给hive用户,后面的hive是配置hive-site.xml中配置的连接密码
mysql> grant all on *.* to hive@localhost identified by 'hive';
#刷新mysql系统权限关系表
mysql> flush privileges;
替换guava.jar包
#查看hadoop安装目录下share/hadoop/common/lib内guava.jar版本
hadoop@hadoop-master:~$ ll -d /usr/local/hadoop/share/hadoop/common/lib/guava-27.0-jre.jar
-rw-r--r-- 1 hadoop hadoop 2747878 9月 12 2019 /usr/local/hadoop/share/hadoop/common/lib/guava-27.0-jre.jar
#查看hive安装目录下lib内guava.jar的版本
hadoop@hadoop-master:~$ ll -d /usr/local/hive/lib/guava-19.0.jar
-rw-r--r-- 1 hadoop hadoop 2308517 9月 27 2018 /usr/local/hive/lib/guava-19.0.jar
#如果两者不一致,删除版本低的,并拷贝高版本的
hadoop@hadoop-master:~$ rm -rf /usr/local/hive/lib/guava-19.0.jar
hadoop@hadoop-master:~$ cp -a /usr/local/hadoop/share/hadoop/common/lib/guava-27.0-jre.jar /usr/local/hive/lib/
#重启数据库
hadoop@hadoop-master:~$ sudo systemctl restart mysql
使用schematool工具
#Hive现在包含一个用于 Hive Metastore 架构操控的脱机工具,名为 schematool.此工具可用于初始化当前 Hive 版本的 Metastore 架构。此外,其还可处理从较旧版本到新版本的架构升级。
hadoop@hadoop-master:~$ cd /usr/local/hive
hadoop@hadoop-master:/usr/local/hive$ ./bin/schematool -dbType mysql -initSchema
启动hive之前,请确保hadoop集群已启动
#启动hive
hadoop@hadoop-master:/usr/local/hive$ hive
使用mysql作为元数据库时登陆使用mysql作为元数据库时登陆启动Hive过程中,可能出现的错误和解决方案如下:
【错误1】
【错误】
java.lang.NoSuchMethodError: com.google.common.base.Preconditions.checkArgument
【原因】
com.google.common.base.Preconditions.checkArgument 这是因为hive内依赖的guava.jar和hadoop内的版本不一致造成的。
【解决方法】
1.查看hadoop安装目录下share/hadoop/common/lib内guava.jar版本
2.查看hive安装目录下lib内guava.jar的版本 如果两者不一致,删除版本低的,并拷贝高版本的 问题解决!
【错误2】
【错误】
org.datanucleus.store.rdbms.exceptions.MissingTableException: Required table missing : “VERSION” in Catalog “” Schema “”. DataNucleus requires this table to perform its persistence operations.
【解决方案】
进入hive安装目录(比如/usr/local/hive),执行如下命令:./bin/schematool -dbType mysql -initSchema
【错误3】
【错误】
在启动Hive时,有可能会出现Hive metastore database is not initialized的错误,这里给出解决方案。
【原因】
以前曾经安装了Hive或MySQL,重新安装Hive和MySQL以后,导致版本、配置不一致。
【解决方案】
使用schematool工具。Hive现在包含一个用于 Hive Metastore 架构操控的脱机工具,名为 schematool.此工具可用于初始化当前 Hive 版本的 Metastore 架构。此外,其还可处理从较旧版本到新版本的架构升级。所以,解决上述错误,你可以在终端执行如下命令:
cd /usr/local/hive
./bin/schematool -dbType mysql -initSchema
执行后,再启动Hive,应该就正常了。
启动进入Hive的交互式执行环境以后,会出现如下命令提示符:
hive>
可以在里面输入SQL语句,如果要退出Hive交互式执行环境,可以输入如下命令:
hive>exit;
3、Hive的常用HiveQL操作
3.1 Hive基本数据类型
首先,我们简单叙述一下HiveQL的基本数据类型。
Hive支持基本数据类型和复杂类型, 基本数据类型主要有数值类型(INT、FLOAT、DOUBLE ) 、布尔型和字符串, 复杂类型有三种:ARRAY、MAP 和 STRUCT。
- 基本数据类型
- TINYINT: 1个字节
- SMALLINT: 2个字节
- INT: 4个字节
- BIGINT: 8个字节
- BOOLEAN: TRUE/FALSE
- FLOAT: 4个字节,单精度浮点型
- DOUBLE: 8个字节,双精度浮点型STRING 字符串
- 复杂数据类型
- ARRAY: 有序字段
- MAP: 无序字段
- STRUCT: 一组命名的字段
3.2 常用的HiveQL操作命令
Hive常用的HiveQL操作命令主要包括:数据定义、数据操作。接下来详细介绍一下这些命令即用法。
数据定义:主要用于创建修改和删除数据库、表、视图、函数和索引。
创建、修改和删除数据库
create database if not exists hive; #创建数据库
show databases; #查看Hive中包含数据库
show databases like 'h.*'; #查看Hive中以h开头数据库
describe databases; #查看hive数据库位置等信息
alter database hive set dbproperties; #为hive设置键值对属性
use hive; #切换到hive数据库下
drop database if exists hive; #删除不含表的数据库
drop database if exists hive cascade; #删除数据库和它中的表
注意,除 dbproperties属性外,数据库的元数据信息都是不可更改的,包括数据库名和数据库所在的目录位置,没有办法删除或重置数据库属性。
创建、修改和删除表
#创建内部表(管理表)
create table if not exists hive.usr(
name string comment 'username',
pwd string comment 'password',
address struct<street:string,city:string,state:string,zip:int>,
comment 'home address',
identify map<int,tinyint> comment 'number,sex')
comment 'description of the table'
tblproperties('creator'='me','time'='2016.1.1');
#创建外部表
create external table if not exists usr2(
name string,
pwd string,
address struct<street:string,city:string,state:string,zip:int>,
identify map<int,tinyint>)
row format delimited fields terminated by ','
location '/usr/local/hive/warehouse/hive.db/usr';
#创建分区表
create table if not exists usr3(
name string,
pwd string,
address struct<street:string,city:string,state:string,zip:int>,
identify map<int,tinyint>)
partitioned by(city string,state string);
#复制usr表的表模式
create table if not exists hive.usr1 like hive.usr;
show tables in hive;
show tables 'u.*'; #查看hive中以u开头的表
describe hive.usr; #查看usr表相关信息
alter table usr rename to custom; #重命名表
#为表增加一个分区
alter table usr2 add if not exists
partition(city=”beijing”,state=”China”)
location '/usr/local/hive/warehouse/usr2/China/beijing';
#修改分区路径
alter table usr2 partition(city=”beijing”,state=”China”)
set location '/usr/local/hive/warehouse/usr2/CH/beijing';
#删除分区
alter table usr2 drop if exists partition(city=”beijing”,state=”China”)
#修改列信息
alter table usr change column pwd password string after address;
alter table usr add columns(hobby string); #增加列
alter table usr replace columns(uname string); #删除替换列
alter table usr set tblproperties('creator'='liming'); #修改表属性
alter table usr2 partition(city=”beijing”,state=”China”) #修改存储属性
set fileformat sequencefile;
use hive; #切换到hive数据库下
drop table if exists usr1; #删除表
drop database if exists hive cascade; #删除数据库和它中的表
视图和索引的创建、修改和删除
主要语法如下,用户可自行实现。
create view view_name as....; #创建视图
alter view view_name set tblproperties(…); #修改视图
因为视图是只读的,所以 对于视图只允许改变元数据中的 tblproperties属性。
#删除视图
drop view if exists view_name;
#创建索引
create index index_name on table table_name(partition_name/column_name)
as 'org.apache.hadoop.hive.ql.index.compact.CompactIndexHandler' with deferred rebuild....;
这里org.apache.hadoop.hive.ql.index.compact.CompactIndexHandler
是一个索引处理器,即一个实现了索引接口的Java类,另外Hive还有其他的索引实现。
alter index index_name on table table_name partition(...) rebulid; #重建索引
如果使用 deferred rebuild,那么新索引成空白状态,任何时候可以进行第一次索引创建或重建。
show formatted index on table_name; #显示索引
drop index if exists index_name on table table_name; #删除索引
用户自定义函数
在新建用户自定义函数(UDF)方法前,先了解一下Hive自带的那些函数。show functions
; 命令会显示Hive中所有的函数名称:
hive> show functions;
OK
!
!=
$sum0
%
&
*
......
若想要查看具体函数使用方法可使用describe function
函数名:
hive> describe function abs;
OK
abs(x) - returns the absolute value of x
Time taken: 0.027 seconds, Fetched: 1 row(s)
首先编写自己的UDF前需要继承UDF类并实现evaluate()函数,或是继承GenericUDF类实现initialize()函数、evaluate()函数和getDisplayString()函数,还有其他的实现方法,感兴趣的用户可以自行学习。
另外,如果用户想在Hive中使用该UDF需要将我们编写的Java代码进行编译,然后将编译后的UDF二进制类文件(.class文件)打包成一个JAR文件,然后在Hive会话中将这个JAR文件加入到类路径下,在通过create function语句定义好使用这个Java类的函数。
add jar <jar文件的绝对路径>; #创建函数
create temporary function function_name;
drop temporary function if exists function_name; #删除函数
3.3 数据操作
主要实现的是将数据装载到表中(或是从表中导出),并进行相应查询操作,对熟悉SQL语言的用户应该不会陌生。
向表中装载数据
这里我们以只有两个属性的简单表为例来介绍。首先创建表stu和course,stu有两个属性id与name,course有两个属性cid与sid。
#创建hive库
hive> create database if not exists hive;
OK
Time taken: 0.186 seconds
#创建表stu
hive> create table stu(id int,name string) row format delimited fields terminated by ' ';
OK
Time taken: 0.082 seconds
#创建表course
hive> create table course(cid int,sid int) row format delimited fields terminated by ' ';
OK
Time taken: 0.044 seconds
向表中装载数据有两种方法:从文件中导入和通过查询语句插入。
1、从文件中导入
假如这个表中的记录存储于文件stu.txt中,内容如下。
hadoop@hadoop-master:~$ mkdir -p /usr/local/hadoop/examples
hadoop@hadoop-master:~$ vim /usr/local/hadoop/examples/stu.txt
hadoop@hadoop-master:~$ cat /usr/local/hadoop/examples/stu.txt
1 xiapi
2 xiaoxue
3 qingqing
下面我们把这个文件中的数据装载到表stu中,操作如下:
hive> use hive;
OK
Time taken: 0.027 seconds
hive> load data local inpath '/usr/local/hadoop/examples/stu.txt' overwrite into table stu;
Loading data to table hive.stu
OK
Time taken: 0.173 seconds
hive> select * from stu;
OK
1 xiapi
2 xiaoxue
3 qingqing
Time taken: 0.096 seconds, Fetched: 3 row(s)
如果stu.txt文件存储在HDFS 上,则不需要 local 关键字。
2、通过查询语句插入
使用如下命令,创建stu1表,它和stu表属性相同,我们要把从stu表中查询得到的数据插入到stu1中:
hive> create table stu1 as select id,name from stu;
上面是创建表,并直接向新表插入数据;若表已经存在,向表中插入数据需执行以下命令:
insert overwrite table stu1 select id,name from stu where(条件);
这里关键字overwrite的作用是替换掉表(或分区)中原有数据,换成into关键字,直接追加到原有内容后。
从表中导出数据
1、可以简单拷贝文件或文件夹
命令如下:
hadoop fs -cp source_path target_path;
2、写入临时文件
命令如下:
hive> insert overwrite local directory '/usr/local/hadoop/tmp/stu' select id,name from stu;
查询操作
和SQL的查询完全一样,这里不再赘述。主要使用select…from…where…等语句,再结合关键字group by、having、like、rlike等操作。这里我们简单介绍一下SQL中没有的case…when…then…句式、join操作和子查询操作。
case…when…then…句式和if条件语句类似,用于处理单个列的查询结果,语句如下:
select id,name,
case
when id=1 then 'first'
when id=2 then 'second'
else 'third'
结果如下:
hive> select id,name,case when id=1 then 'first' when id=2 then 'second' else 'third' end from stu;
OK
1 xiapi first
2 xiaoxue second
3 qingqing third
Time taken: 0.108 seconds, Fetched: 3 row(s)
连接
连接(join)是将两个表中在共同数据项上相互匹配的那些行合并起来, HiveQL 的连接分为内连接、左向外连接、右向外连接、全外连接和半连接 5 种。
1、内连接(等值连接)
内连接使用比较运算符根据每个表共有的列的值匹配两个表中的行。
首先,我们先把以下内容插入到course表中(自行完成)
hive> select * from course;
OK
1 3
2 1
3 1
Time taken: 0.098 seconds, Fetched: 3 row(s)
下面查询stu和course表中学号相同的所有行,命令如下:
hive> select stu.*, course.* from stu join course on(stu .id=course .sid);
......
OK
1 xiapi 2 1
1 xiapi 3 1
3 qingqing 1 3
Time taken: 19.167 seconds, Fetched: 3 row(s)
2、左连接
左连接的结果集包括“LEFT OUTER”子句中指定的左表的所有行, 而不仅仅是连接列所匹配的行。如果左表的某行在右表中没有匹配行, 则在相关联的结果集中右表的所有选择列均为空值,命令如下:
hive> select stu.*, course.* from stu left outer join course on(stu .id=course .sid);
....
OK
1 xiapi 2 1
1 xiapi 3 1
2 xiaoxue NULL NULL
3 qingqing 1 3
Time taken: 18.285 seconds, Fetched: 4 row(s)
3、右连接
右连接是左向外连接的反向连接,将返回右表的所有行。如果右表的某行在左表中没有匹配行,则将为左表返回空值。命令如下:
hive> select stu.*, course.* from stu right outer join course on(stu .id=course .sid);
....
OK
3 qingqing 1 3
1 xiapi 2 1
1 xiapi 3 1
Time taken: 17.139 seconds, Fetched: 3 row(s)
4、全连接
全连接返回左表和右表中的所有行。当某行在另一表中没有匹配行时,则另一个表的选择列表包含空值。如果表之间有匹配行,则整个结果集包含基表的数据值。命令如下:
hive> select stu.*, course.* from stu full outer join course on(stu .id=course .sid);
....
OK
1 xiapi 3 1
1 xiapi 2 1
2 xiaoxue NULL NULL
3 qingqing 1 3
Time taken: 16.741 seconds, Fetched: 4 row(s)
5、半连接
半连接是 Hive 所特有的, Hive 不支持 in 操作,但是拥有替代的方案; left semi join, 称为半连接, 需要注意的是连接的表不能在查询的列中,只能出现在 on 子句中。命令如下:
hive> select stu.* from stu left semi join course on(stu .id=course .sid);
....
OK
1 xiapi
3 qingqing
Time taken: 17.892 seconds, Fetched: 2 row(s)
子查询
标准 SQL 的子查询支持嵌套的 select 子句,HiveQL 对子查询的支持很有限,只能在from 引导的子句中出现子查询。
注意,在定义或是操作表时,不要忘记指定所需数据库。
4、Hive简单编程实践
下面我们以词频统计算法为例,来介绍怎么在具体应用中使用Hive。词频统计算法又是最能体现MapReduce思想的算法之一,这里我们可以对比它在MapReduce中的实现,来说明使用Hive后的优势。
MapReduce实现词频统计的代码可以通过下载Hadoop源码后,在 $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar 包中找到(wordcount类),wordcount类由63行Java代码编写而成。下面首先简单介绍一下怎么使用MapReduce中wordcount类来统计单词出现的次数,具体步骤如下:
1、创建input目录,output目录会自动生成。其中input为输入目录,output目录为输出目录。命令如下:
hadoop@hadoop-master:~$ hdfs dfs -mkdir input
2、然后,在input文件夹中创建两个测试文件file1.txt和file2.txt,命令如下:
hadoop@hadoop-master:~$ echo "hello world" > file1.txt
hadoop@hadoop-master:~$ echo "hello hadoop" > file2.txt
3、上传
hadoop@hadoop-master:~$ hdfs dfs -put /home/hadoop/file* input/
hadoop@hadoop-master:~$ hdfs dfs -ls input/
Found 2 items
-rw-r--r-- 1 hadoop supergroup 12 2022-04-25 16:02 input/file1.txt
-rw-r--r-- 1 hadoop supergroup 13 2022-04-25 16:02 input/file2.txt
4、执行如下hadoop命令:
hadoop@hadoop-master:~$ cd /usr/local/hadoop/
hadoop@hadoop-master:/usr/local/hadoop$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount input output
5、我们可以到output文件夹中查看结果,结果如下:
hadoop@hadoop-master:/usr/local/hadoop$ hdfs dfs -cat output/*
hadoop 1
hello 2
world 1
下面我们通过HiveQL实现词频统计功能,此时只要编写下面7行代码,而且不需要进行编译生成jar来执行。HiveQL实现命令如下:
hive> create table docs(line string);
OK
hive> load data inpath 'file:///usr/local/hadoop/input' overwrite into table docs;
Loading data to table hive.docs
OK
Time taken: 0.65 seconds
hive> select * from docs;
OK
hello world
hello hadoop
Time taken: 1.06 seconds, Fetched: 2 row(s)
hive> create table word_count as
> select word, count(1) as count from
> (select explode(split(line,' '))as word from docs) w
> group by word
> order by word;
> order by word;
hive> select * from word_count;
OK
hadoop 1
hello 2
world 1
Time taken: 0.117 seconds, Fetched: 3 row(s)
由上可知,采用Hive实现最大的优势是,对于非程序员,不用学习编写Java MapReduce代码了,只需要用户学习使用HiveQL就可以了,而这对于有SQL基础的用户而言是非常容易的。