Hive基础

1.Hive简介

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。

其实Hive就是将我们的类似SQL（HQL）语句转换成MapReduce程序的工具。

• Cli 用户接口（JDBC等）
• Metastore元数据：存储表名，表存在的数据库，表的拥有者等表的信息。、
• 使用HDFS存储，使用MapReduce计算
• Driver分为四步：解析器将SQL语句转化成抽象语法树AST。通过编译器将AST生成逻辑执行计划。优化器对计划极性优化。执行器将计划转化成物理计划。对于Hive而言就是MR/Spark

2.Hive与数据库的区别

        Hive是为数据仓库设计的，是用于处理历史数据，而不是实时的业务数据。

        Hive由于针对数仓，数仓的读多写少。因此，存储的数据都是已经确定的。

        Hive查询数据慢，因为没有索引。其次，由于Hive基于MR，所以我们的数据量在足够大的情况下，Hive的并行计算才能体现出优势。

        Hive搭配Mysql，Hive是不会在Mysql里存储原始数据的。会在Mysql里存储这些原始数据的路径或者一些信息（即元数据）。这些原始数据是会存储在HDFS中的。

  3.Hive安装

(安装Mysql，准备好mysql-connector-java-5.1.37-bin,并且将Mysql里的权限给足)

选择mysql而不用默认的derby是因为mysql是支持多用户访问的。

从Apache上下载最新的apache-hive-3.1.2-bin.tar.gz

传到合适的目录，解压。

配置Hive环境变量

export HIVE_HOME=/export/servers/hive
export PATH=$PATH:$HIVE_HOME/bin

解决日志jar包冲突

将hive/lib目录下的log4j-slf4j-impl-2.10.0.jar 重命名为log4j-slf4j-impl-2.10.0.bak

将mysql-connector-java-5.1.37-bin复制到Hive的lib目录下。

配置Metastore到Mysql(配置hive-site.xml)

<?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://Hadoop-3:3306/metastore?useSSL=false</value>
</property>

<!-- jdbc 连接的 Driver-->
<property>
<name>javax.jdo.option.ConnectionDriverName</name>
<value>com.mysql.jdbc.Driver</value>
</property>

<!-- jdbc 连接的 username-->
<property>
<name>javax.jdo.option.ConnectionUserName</name>
<value>root</value>
</property>

<!-- jdbc 连接的 password -->
<property>
<name>javax.jdo.option.ConnectionPassword</name>
<value>自己的mysql密码</value>
</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>

初始化如果失败，出现：Error: FUNCTION 'NUCLEUS_ASCII' already exists. (state=X0Y68,code=30000)

Hive报错：Error: FUNCTION 'NUCLEUS_ASCII' already exists. (state=X0Y68,code=30000)_Magician的博客-CSDN博客

启动Hive

在启动Hive之前，我们需要先初始化元数据库

在对Mysql进行初步处理，创建Metastore，给予足够的用户权限！即可初始化。（遇到问题可查，解决bug的过程也是对这些环境与知识，更好的了解）

补充配置hive-site.xml

<!-- 指定存储元数据要连接的地址 -->
<property>
<name>hive.metastore.uris</name>
<value>thrift://Hadoop3:9083</value>
</property>
</configuration>

初始化元数据

schematool -dbType mysql -initSchema

 启动Hive的方式：

hive --service metastore;

hive

使用hiveserver2启动并依赖JDBC连接

在配置中加上（如果不用JDBC就取消）

<!-- 指定 hiveserver2 连接的 host -->
<property>
<name>hive.server2.thrift.bind.host</name>
<value>Hadoop3</value>
</property>

<!-- 指定 hiveserver2 连接的端口号 -->
<property>
<name>hive.server2.thrift.port</name>
<value>10000</value>
</property>

hive --service metastore;
hive --service hiveserver2;
/beeline -u jdbc:hive2://Hadoop3:10000 -n root

Hive的使用

多数命令与Sql一致。适度复习一遍sql即可。语法基本一致。只不过Hive的特殊性，其本身就是一个将类sql语言转换成MR程序的一个组件。所以在数据量小时，其处理的速度慢。

在学习的路上，遇到了很多的困难，但是只要坚持下去，一点点去改进，找bug，查看日志，找到解决的方案，这对于提升自己的工程素养也是很有意义的。