hive，安装与使用
本文开始介绍hive的一些基本使用及功能，之中包含了本猿在使用过程中的踩的一些坑，希望大家能批评指出不足，谢谢
一.Hive 安装环境准备
1.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
2.Hive 安装部署
1）Hive 安装及配置
（1）把 apache-hive-1.2.1-bin.tar.gz 上传到 linux 的/opt/software 目录下
（2）解压 apache-hive-1.2.1-bin.tar.gz 到/opt/module/目录下面
[hadoop102 software]$ tar -zxvf apache-hive-1.2.1-bin.tar.gz -C /opt/module/
（3）修改 apache-hive-1.2.1-bin.tar.gz 的名称为 hive
[hadoop102 module]$ mv apache-hive-1.2.1-bin/ hive
（4）修改/opt/module/hive/conf 目录下的 hive-env.sh.template 名称为 hive-env.sh
[hadoop102 conf]$ mv hive-env.sh.template hive-env.sh
（5）配置 hive-env.sh 文件
（a）配置 HADOOP_HOME 路径
export HADOOP_HOME=/opt/module/hadoop-2.7.2
（b）配置 HIVE_CONF_DIR 路径
2）Hadoop 集群配置
（1）必须启动 hdfs 和 yarn
[hadoop102 hadoop-2.7.2]$ sbin/start-dfs.sh
[hadoop103 hadoop-2.7.2]$ sbin/start-yarn.sh
（2）在 HDFS 上创建/tmp 和/user/hive/warehouse 两个目录并修改他们的同组权限可写
[hadoop102 hadoop-2.7.2]$ bin/hadoop fs -mkdir /tmp
[hadoop102 hadoop-2.7.2]$ bin/hadoop fs -mkdir -p /user/hive/warehouse
[hadoop102 hadoop-2.7.2]$ bin/hadoop fs -chmod g+w /tmp
[hadoop102 hadoop-2.7.2]$ bin/hadoop fs -chmod g+w /user/hive/warehouse
3）Hive 基本操作
（1）启动 hive
[atguigu@hadoop102 hive]$ bin/hive
（2）查看数据库
hive>show databases;
（3）打开默认数据库
hive>use default;
（4）显示 default 数据库中的表
hive>show tables;
（5）创建一张表
hive> create table student(id int, name string) ;
（6）显示数据库中有几张表
hive>show tables;
（7）查看表的结构
hive>desc student;
（8）向表中插入数据
hive> insert into student values(1000,“ss”);
（9）查询表中数据
hive> select * from student;
（10）退出 hive
hive> quit;
2.对Hive的一般性误解
hive并不是一个关系数据库，也不是一个设计用于联机事务处理（OLTP），更不是用于实时查询和行级更新的语言
现代数据仓库，是构建在数据库之上的，使用数据库作为载体存放数据。
数据仓库着重强调的是存放的历史数据，数据库着重强调的是存放在线的数据。
数据仓库着重强调的是OLAP的操作，数据库着重强调的是OLTP的操作
数据仓库操作的都是历史数据，数据库操作的几乎都是在线交易数据
3.Hive的特点
(1)存储架构在一个数据库中并处理数据到HDFS;
(2)专为OLAP设计。
(3)提供sql类型语言查询:HiveQL或HQL。
(4)熟知,快速和可扩展的,传统关系数据库只能拓展最多20个服务器，而Hive可以拓展到上百个服务器
数据处理大致可以分成两大类：联机事务处理OLTP（on-line transaction processing）、联机分析处理OLAP（On-Line Analytical Processing）。OLTP是传统的关系型数据库的主要应用，主要是基本的、日常的事务处理，例如银行交易。OLAP是数据仓库系统的主要应用，支持复杂的分析操作，侧重决策支持，并且提供直观易懂的查询结果。
OLTP 系统强调数据库内存效率，强调内存各种指标的命令率，强调绑定变量，强调并发操作；
OLAP 系统则强调数据分析，强调sql执行市场，强调磁盘I/O，强调分区等。
4.存储结构
Hive的数据存储基于Hadoop HDFS
Hive没有专门的数据存储格式
存储结构主要包括：数据库、文件、表、视图、索引
Hive默认可以直接加载文本文件（TextFile），还支持SequenceFile、RCFile 、ORCFile、Parquet
创建表时，指定Hive数据的列分隔符与行分隔符，Hive即可解析数据
5.Hive架构
用户接口：包括 CLI，JDBC/ODBC，WebUI
元数据存储：通常是存储在关系数据库如 MysqL, derby等等中
Driver：解释器、编译器、优化器、执行器
Hadoop：用 HDFS 进行存储，利用 MapReduce 进行计算
| 单元名 | 操作 |
|---|---|
| 用户接口/界面 | Hive是一个数据仓库基础工具软件，可以创建用户和HDFS之间互动。用户界面，Hive支持是Hive的Web UI，Hive命令行，HiveHD洞察（在Windows服务器） |
| 元存储 | Hive选择各自的数据库服务器，用以储存表，数据库，列模式或元数据表，它们的数据类型和HDFS映射 |
| HQL处理引擎 | HiveQL类似于sql的查询上metastore模式信息。这是传统的方式进行MapReduce程序的替代品之一。相反，使用Java编写的MapReduce程序，可以编写为MapReduce工作，并处理它的查询 |
| 执行引擎 | HiveQL处理引擎和MapReduce的结合部分是由Hive执行引擎。执行引擎处理查询并产生结果和MapReduce的结果一样。它采用MapReduce方法 |
| HDFS 或 HBASE | Hadoop的分布式文件系统或者HBASE数据存储技术是用于将数据存储到文件系统 |
6.Hive工作流程
| NO | 操作 |
|---|---|
| 1 | Execute Query Hive接口，如命令行或Web UI发送查询驱动程序（任何数据库驱动程序，如JDBC，ODBC等）来执行 |
| 2 | Get Plan 在驱动程序帮助下查询编译器，分析查询检查语法和查询计划或查询的要求 |
| 3 | Get Metadata 编译器发送元数据请求到metastore（任何数据库） |
| 4 | Send Metadata metastore发送元数据，以编译器的响应 |
| 5 | Send Plan 编译器检查要求，并重新发送计划给驱动程序。到此为止，查询解析和编译完成 |
| 6 | Execute Plan 驱动程序发送的执行计划到执行引擎 |
| 7 | Execute Job 在内部，执行作业的过程是一个MapReduce工作。执行引擎发送作业给JobTracker，在名称节点并把它分配作业到TaskTracker，这是在数据节点。在这里，查询执行MapReduce工作 |
| 7.1 | Metadata Ops 与此同时，在执行时，执行引擎可以通过metastore执行元数据操作 |
| 8 | Fetch Result执行引擎接收来自数据节点的结果 |
| 9 | Send Results 执行引擎发送这些结果值给驱动程序 |
| 10 | Send Results驱动程序将结果发送给Hive接口 |
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 [email protected] 举报，一经查实，本站将立刻删除。
