Hive(一)

1. HIVE概念：

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

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

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）ive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。

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。

4）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：

Hive的HQL表达能力有限

迭代式算法无法表达

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

3.  Hive架构原理

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

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。

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。

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。

4.  Hive安装地址

1．Hive官网地址

http://hive.apache.org/

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

5.  Hive安装部署

1）解压apache-hive-1.2.1-bin.tar.gz到/opt/module/目录下面

2）修改/opt/module/hive/conf目录下的hive-env.sh.template名称为hive-env.sh

3）配置hive-env.sh文件

4）Hadoop集群配置
 必须启动hdfs和yarn

6.  配置Metastore到MySql

（1）拷贝/mysql-libs/mysql-connector-java-5.1.27目录下的mysql-connector-java-5.1.27-bin.jar到/hive/lib/下

（2）在/hive/conf目录下创建一个hive-site.xml

<?xml version="1.0"?>

<?xml-stylesheet type="text/xsl"
href="configuration.xsl"?>

<configuration>

<property>

<name>javax.jdo.option.ConnectionURL</name>

<value>jdbc:mysql://hadoop102:3306/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>

<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>密码</value>

<description>password to use against
metastore database</description>

</property>

</configuration>

（3）配置完毕后，如果启动hive异常，可以重新启动虚拟机

7.  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>

8.  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>

<property>

<name>hive.cli.print.current.db</name>

<value>true</value>

</property>

2）重新启动hive

9.  Hive运行日志信息配置

1．Hive的log默认存放在/tmp/用户名/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

（2）在hive-log4j.properties文件中修改log存放位置

hive.log.dir=  /opt/module/hive/logs

10.      
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：

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。

11.      
HIVE基本数据类型

对于Hive的String类型相当于数据库的varchar类型，该类型是一个可变的字符串，不过它不能声明其中最多能存储多少个字符，理论上它可以存储2GB的字符数。

集合数据类型

Hive有三种复杂数据类型ARRAY、MAP
和 STRUCT。ARRAY和MAP与Java中的Array和Map类似，而STRUCT与C语言中的Struct类似，它封装了一个命名字段集合，复杂数据类型允许任意层次的嵌套。

字段解释：

row format delimited fields
terminated by ','    -- 列分隔符

collection items terminated
by '_'        --MAP
STRUCT 和 ARRAY 的分隔符(数据分割符号)多个集合分割符号要保持一致

map keys terminated by ':'                          -- MAP中的key与value的分隔符

lines terminated by '\n';                              -- 行分隔符

12.      
HIVE基本操作

（1）本地文件导入Hive

hive> load data local inpath ‘路径’ into table 表名

（2）常用交互命令

<1>“-e”不进入hive的交互窗口执行sql语句
bin/hive  -e  "select id from student;"

<2>“-f”执行脚本中sql语句

bin/hive  -f  /opt/module/datas/hivef.sql

(3) 退出hive窗口
hive(default)>exit;

hive(default)>quit;

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；

(4) 在hive cli命令窗口中如何查看hdfs文件系统

hive(default)>dfs -ls /;

(5) 在hive cli命令窗口中如何查看本地文件系统
hive(default)>! ls /opt/module/datas;

(6) 查看在hive中输入的所有历史命令

进入到当前用户的根目录/root或/home/用户名

查看. hivehistory文件

cat .hivehistory

13.      
HiveJDBC访问

(1) 启动hiveserver2服务

bin/hiveserver2
(2) 启动beeline
    bin/beeline
(3) 连接hiveserver2
   beeline> !connect
jdbc:hive2://hiveserver2所在的主机:10000（jdbc协议回车）

Connecting to
jdbc:hive2:// hiveserver2所在的主机:10000（10000：端口号）

Enter username for
jdbc:hive2:// hiveserver2所在的主机:10000: 连接的主机用户名（回车）

Enter password for
jdbc:hive2:// hiveserver2所在的主机:10000: （无需密码直接回车）