HIVE简介与安装

基于hadoop的数据仓库工具，封装了mapreduce，大大简化了开发过程（简单来说，就是把sql变成了mapreduce程序）。!!!这里说的是hive-1.2.1，在2.几的版本时不支持mapreduce了，支持spark。利用hdfs存储数据，利用mapreduce查询数据。
与传统关系型数据库的对比：

与RDBMS对比

数据库与数据仓库

目标目的组织方式都不同。
数据库，一般是关系型，支持在线联机业务。进行实时事务控制。数据库中有不止一张不同的业务表。而数据仓库存储的是历史的业务数据（即数据库中导出的历史数据），主要用于数据分析。一般是非关系型，是宽表，不在乎数据是否冗余，按照历史和主题来组织。分析的结果支持公司的运营，可以按照指标+维度（粒度）来产生报表，组织的模型有：星形模型，雪花模型。

hive的工作机制

如下图，当我们使用hive时写sql建表和数据库时，其实就是创建了/usr/hive/warehouse/下的目录，这些目录位置信息都由hive存到了另外的数据库（mysql等，hive自带的derby）中。当我们执行查找等操作时，hive中的compiler先解析sql语句（最难的部分），然后转换成mapreduce程序（hive里有mapreduce模板），由hive的jobrunner提交任务给yarn执行。基于mapreduce执行会比较慢，纯粹用来做离线数据分析。

hive的工作机制
架构图

hive安装

hive只在一个节点上安装即可。
1 上传解压hive的tar包
2 安装mysql

rpm -qa | mysql
rpm -e --nodeps mysql
yum list | grep mysql
yum install -y mysql-server mysql mysql-dev_
rpm -qi mysql -server（查看版本信息）
service mysqld start
chkconfig mysqld on（设置开机自启）
mysqladmin -u root password 'root'
cat /etc/my.cnf（查看主配置文件）
netstat -nltp（linux系统是否监听3306端口）


3 配置hive
不用提供的模板，直接来一个新的hive-site.xml

vi hive-site.xml


javax.jdo.option.ConnectionURL
jdbc:mysql://localhost:3306/hive?createDatabaseIfNotExist=true
JDBC connect string for a JDBC metastore


javax.jdo.option.ConnectionDriverName
com.mysql.jdbc.Driver
Driver class name for a JDBC metastore


javax.jdo.option.ConnectionUserName
root
username to use against metastore database


javax.jdo.option.ConnectionPassword
root
password to use against metastore database




4 启动hive
安装完成后，先将mysql连接jar包（没有可以到maven中央仓库下载）拷贝到$HIVE_HOME/lib目录下（ll my.* 查看是否成功）。
若果出现没有权限问题，在mysql授权：

mysql -u root -p
GRANT ALL PRIVILEGES ON *.* TO 'root'@'%' IDENTIFIED BY 'root' WITH GRANT OPTION;
FLUSH PRIVILEGES;


启动：
hive 交互式shell：
bin/hive
hive启动时会找到hadoop的配置文件，加载hadoop所有的jar包到它的classpath，此时Jline包版本不同会报错。解决办法：
拷贝hive/lib中的jline.2.12.jar包替换/home/hadoop/apps/hadoop-2.6.4/share/hadoop/yarn/lib/jline-0.9.94.jar，即可正常启动。
hive命令
hive -e 'sql',从命令行执行指定hql
hive -f执行hql脚本
hive thrift服务：
启动thrift服务后，只要是符合thrift协议的客户端都可以连接。hive自带了一个客户端beeline

[hadoop@mini1 hive]$ cd bin/
[hadoop@mini1 bin]$ ./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(username默认hadoop，无密码)
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> showdatabases;


启动服务后转换为后台：nohup bin/hiveserver2 1>/var/log/hiveserver.log 2>/var/log/hiveserver.err &
beeline也可以启动就连接：bin/beeline -u jdbc:hive2://mini1:10000 -n hadoop
5 简单操作：

hive>
hive>show databases;
hive>create database haha;
hive>use haha;
hive>create table t_1(id int,name string);##可以在mini:50070查看
vi t.dat并写入数据
hadoop fs -put t.dat /user/hive/warehouse/haha.db/t_1/
hive>select * from t_1;
hive> truncate table t_1;（清空表里的数据）
hive> drop table t_1;（删除表）


hive> use haha;
OK
Time taken: 0.101 seconds
hive> create table t_sz01(id int,name string)
> row format delimited
> fields terminated by ',';
OK
Time taken: 0.435 seconds
hive> show tables;
OK
t_sz01
Time taken: 0.096 seconds, Fetched: 1 row(s)
hadoop fs -put t.dat /user/hive/warehouse/haha.db/t_sz01
hive> select * from t_sz01;
OK
1 h
2 r
3 rg
4 qgqa
5 fdf
6 aff
Time taken: 0.322 seconds, Fetched: 6 row(s)
hive> select count(1) from t_sz01;
Query ID = hadoop_20170808175951_074dd63d-dc84-4125-9b15-2efb1462ca26
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=
In order to limit the maximum number of reducers:
set hive.exec.reducers.max=
In order to set a constant number of reducers:
set mapreduce.job.reduces=
Job running in-process (local Hadoop)
2017-08-08 17:59:53,976 Stage-1 map = 0%, reduce = 0%
2017-08-08 17:59:55,995 Stage-1 map = 100%, reduce = 100%
Ended Job = job_local817039614_0001
MapReduce Jobs Launched:
Stage-Stage-1: HDFS Read: 128 HDFS Write: 0 SUCCESS
Total MapReduce CPU Time Spent: 0 msec
OK
6
Time taken: 4.726 seconds, Fetched: 1 row(s) #mapreduce可以在mini1:8088看见
hive> select id,name from t_sz01 where id>3;
hive> select id,name from t_sz01 where id>3 limit 2;#这两句没有转化为mapreduce，hive一个也做了很多优化
hive> select id,name from t_sz01 where id>3 order by name;#避免了写mapreduce的过程


hive的数据存储

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（前面两种是hadoop原生自带的），ParquetFile（面向列的，有表头），RCFILE等）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。Hive 中包含以下数据模型：DB、Table，External Table，Partition，Bucket。

• db：在hdfs中表现为${hive.metastore.warehouse.dir}目录下一个文件夹
• table：在hdfs中表现所属db目录下一个文件夹
• 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
• partition：在hdfs中表现为table目录下的子目录
• bucket：桶, 在hdfs中表现为同一个表目录下根据hash散列（使得join操作效率变高）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