大数据入门第十一天——hive详解(一)入门与安装
2018-02-24 14:33
375 查看
一、基本概念
1.什么是hiveThe Apache Hive ™ data warehouse software facilitates reading, writing, and managing large datasets residing in distributed storage using SQL. Structure can be projected onto data already in storage. A command line tool and JDBC driver are provided to connect users to Hive.
简洁的中文解释就是:
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数据库表,并提供类SQL查询功能。
数据仓库的概念可以先查看百度百科的介绍:
数据仓库,英文名称为Data Warehouse,可简写为DW或DWH。数据仓库,是为企业所有级别的决策制定过程,提供所有类型数据支持的战略集合。它是单个数据存储,出于分析性报告和决策支持目的而创建。 为需要业务智能的企业,提供指导业务流程改进、监视时间、成本、质量以及控制。
数据库与数据仓库的区别对比,参考知乎相关问题 :https://www.zhihu.com/question/20623931
更加详细的数仓的介绍与深入,将另开随笔介绍!
2.为什么用hive
直接使用hadoop所面临的问题
人员学习成本太高
项目周期要求太短
MapReduce实现复杂查询逻辑开发难度太大
为什么要使用Hive
操作接口采用类SQL语法,提供快速开发的能力。
避免了去写MapReduce,减少开发人员的学习成本。
扩展功能很方便。
3.hive架构
基本组件:
用户接口:包括 CLI、JDBC/ODBC、WebGUI。
元数据存储:通常是存储在关系数据库如 mysql , derby中。
解释器、编译器、优化器、执行器。
组件功能:
用户接口主要由三个:CLI、JDBC/ODBC和WebGUI。其中,CLI为shell命令行;JDBC/ODBC是Hive的JAVA实现,与传统数据库JDBC类似;WebGUI是通过浏览器访问Hive。
元数据存储:Hive 将元数据存储在数据库中。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。
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。
更多详细的hive体系架构深入介绍,参考:http://blog.csdn.net/zhoudaxia/article/details/8855937
4.hive与Hadoop的关系
Hive利用HDFS存储数据,利用MapReduce查询数据
与传统数据库对比:
5.hive数据存储
1、Hive中所有的数据都存储在 HDFS 中,没有专门的数据存储格式(可支持Text,SequenceFile,ParquetFile,RCFILE等)
2、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。
3、Hive 中包含以下数据模型:DB、Table,External Table,Partition,Bucket。
² db:在hdfs中表现为${hive.metastore.warehouse.dir}目录下一个文件夹
² table:在hdfs中表现所属db目录下一个文件夹
² external table:外部表, 与table类似,不过其数据存放位置可以在任意指定路径
普通表: 删除表后, hdfs上的文件都删了
External外部表删除后, hdfs上的文件没有删除, 只是把文件删除了
² partition:在hdfs中表现为table目录下的子目录
² bucket:桶, 在hdfs中表现为同一个表目录下根据hash散列之后的多个文件, 会根据不同的文件把数据放到不同的文件中
二、hive安装与配置
1.准备安装包2.解压
与之前保持一致,解压至apps,当然到usr/local等自定义的目录是完全没毛病的
[hadoop@mini1 ~]$ tar -zxvf apache-hive-1.2.1-bin.tar.gz -C apps/
顺便将解压出来的文件夹的过长的名字稍作更改:
[hadoop@mini1 apps]$ mv apache-hive-1.2.1-bin/ hive-1.2.1
3.安装mysql
由于hive是默认将元数据保存在本地内嵌的 Derby 数据库中,但是这种做法缺点也很明显,Derby不支持多会话连接,因此本文将选择mysql作为元数据存储。
mysql的安装参考之前linux的随笔,注意开启用户远程登录!
4.配置元数据库信息
这里暂时不修改默认的了,在conf目录下使用一个新的配置文件hive-site.xml:
vi hive-site.xml
以下配置项也是简单易懂的:
<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>root</value> <description>username to use against metastore database</description> </property> <property> <name>javax.jdo.option.ConnectionPassword</name> <value>Zcc170821#</value> <description>password to use against metastore database</description> </property> </configuration>
5.添加mysql驱动包
在lib目录下添加驱动包
6.替换JLine的jar包
解决Jline包版本不一致的问题
[hadoop@mini1 lib]$ rm ~/apps/hadoop-2.6.4/share/hadoop/yarn/lib/jline-0.9.94.jar [hadoop@mini1 lib]$ cp jline-2.12.jar ~/apps/hadoop-2.6.4/share/hadoop/yarn/lib/
7.配置环境变量
[hadoop@mini1 hive-1.2.1]$ sudo vim /etc/profile
export HIVE_HOME=/home/hadoop/apps/hive-1.2.1 export PATH=$PATH:$HIVE_HOME/bin
[hadoop@mini1 hive-1.2.1]$ source /etc/profile
8[b].初体验[/b]
启动:
[hadoop@mini1 hive-1.2.1]$ bin/hive
// 配置环境变量后可以直接启动
建库:
hive> create database shizhan01; OK Time taken: 0.943 seconds hive>
建表:
hive> use shizhan01; OK Time taken: 0.049 seconds hive> create table t_user(id int,name string); OK Time taken: 0.395 seconds hive>
// hive中使用完全的java数据类型即可!
查看元数据:
删除t_user;重新建表指定数据格式:
hive> create table t_user01(id int,name string) > row format delimited > fields terminated by ',' > ; OK Time taken: 0.074 seconds hive>
上传测试数据:
[hadoop@mini1 ~]$ vim user.dat [hadoop@mini1 ~]$ ls apache-hive-1.2.1-bin.tar.gz apps hadoop-2.6.4.tar.gz hdpdata user.dat [hadoop@mini1 ~]$ hadoop fs -put user.dat /user/hive/warehouse/shizhan01.db/t_user
正常查询:
hive> select * from t_user01; OK 1 Join 2 Mary 3 Bob
通过mr任务:
hive> select count(*) from t_user01; Query ID = hadoop_20180224172255_b984036d-5bdd-44fc-bfb5-380b9a433034 Total jobs = 1 Launching Job 1 out of 1 Number of reduce tasks determined at compile time: 1 In order to change the average load for a reducer (in bytes): set hive.exec.reducers.bytes.per.reducer=<number> In order to limit the maximum number of reducers: set hive.exec.reducers.max=<number> In order to set a constant number of reducers: set mapreduce.job.reduces=<number> Starting Job = job_1519458521203_0001, Tracking URL = http://mini1:8088/proxy/application_1519458521203_0001/ Kill Command = /home/hadoop/apps/hadoop-2.6.4/bin/hadoop job -kill job_1519458521203_0001 Hadoop job information for Stage-1: number of mappers: 1; number of reducers: 1 2018-02-24 17:23:09,002 Stage-1 map = 0%, reduce = 0% 2018-02-24 17:23:15,635 Stage-1 map = 100%, reduce = 0%, Cumulative CPU 1.29 sec 2018-02-24 17:23:25,213 Stage-1 map = 100%, reduce = 100%, Cumulative CPU 2.63 sec MapReduce Total cumulative CPU time: 2 seconds 630 msec Ended Job = job_1519458521203_0001 MapReduce Jobs Launched: Stage-Stage-1: Map: 1 Reduce: 1 Cumulative CPU: 2.63 sec HDFS Read: 6416 HDFS Write: 2 SUCCESS Total MapReduce CPU Time Spent: 2 seconds 630 msec OK 4 Time taken: 31.956 seconds, Fetched: 1 row(s) hive>
三、启动为thrift服务
1.启动启动为前台:bin/hiveserver2 启动为后台:nohup bin/hiveserver2 1>/var/log/hiveserver.log 2>/var/log/hiveserver.err &
2.连接
使用支持thrift服务的进行连接,这里采用hive默认提供的beeline(另外复制一个SSH隧道)
[hadoop@mini1 ~]$ beeline Beeline version 1.2.1 by Apache Hive beeline> !connect jdbc:hive2://localhost:10000 Connecting to jdbc:hive2://localhost:10000 Enter username for jdbc:hive2://localhost:10000: hadoop Enter password for jdbc:hive2://localhost:10000: Connected to: Apache Hive (version 1.2.1) Driver: Hive JDBC (version 1.2.1) Transaction isolation: TRANSACTION_REPEATABLE_READ 0: jdbc:hive2://localhost:10000>
// 默认是使用hadoop用户无密码登录即可,或者进行配置(当然配置的意义不大)
或者使用启动即连接:
bin/beeline -u jdbc:hive2://localhost:10000 -n hadoop
当然,更加推荐的方式是自己在有环境变量的bin下写个启动脚本,以后就可以使用startbeeline.sh等自定义脚本一键启动了!
补充:
也可以通过hive -e 'sql'的形式
[hadoop@mini1 ~]$ hive -e 'sql'
这样的好处是执行完了回到命令行,也就是可以通过shell脚本来执行一连串的sql了,而不用一个一个在命令行敲了!
或者执行某个sql文件
[hadoop@mini1 ~]$ hive -f '1.sql'
相关文章推荐
- 大数据入门第十一天——hive详解(二)基本操作与分区分桶
- 大数据入门第十一天——hive详解(三)hive函数
- 大数据入门第十六天——流式计算之storm详解(一)入门与集群安装
- 大数据入门第十七天——storm上游数据源 之kafka详解(一)入门与集群安装
- 给Clouderamanager集群里安装基于Hive的大数据实时分析查询引擎工具Impala步骤(图文详解)
- 给Ambari集群里安装基于Hive的大数据实时分析查询引擎工具Impala步骤(图文详解)
- Hive安装配置详解
- Thinking in BigData(八)大数据Hadoop核心架构HDFS+MapReduce+Hbase+Hive内部机理详解
- Linux入门之web服务(五)----LAMP编译安装详解,过把瘾
- hive UDAF开发入门和运行过程详解(转)
- 【IOS 开发】Object - C 入门 之 数据类型详解
- hive安装测试及Hive元数据的三种存储方式
- 【IOS 开发】Object - C 入门 之 数据类型详解
- hive安装测试及Hive 元数据的三种存储方式
- hive的学习入门(飞进数据仓库的小蜜蜂)
- Hadoop Hive sql语法详解4--DQL 操作:数据查询SQL
- 【IOS 开发】Object - C 入门 之 数据类型详解
- hadoop和hive安装配置详解
- hive udaf开发入门和运行过程详解
- hive安装、配置 mysql存储元数据