【HIVE】hive的安装与使用教程

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，并提供简单的sql查询功能，可以将sql语句转换为MapReduce任务进行运行。 其优点是学习成本低，可以通过类SQL语句快速实现简单的MapReduce统计，不必开发专门的MapReduce应用，十分适合数据仓库的统计分析。
Hive是建立在 Hadoop 上的数据仓库基础构架。它提供了一系列的工具，可以用来进行数据提取转化加载（ETL），这是一种可以存储、查询和分析存储在 Hadoop 中的大规模数据的机制。Hive 定义了简单的类 SQL 查询语言，称为 HQL，它允许熟悉 SQL 的用户查询数据。同时，这个语言也允许熟悉 MapReduce 开发者的开发自定义的 mapper 和 reducer 来处理内建的 mapper 和 reducer 无法完成的复杂的分析工作。
Hive 没有专门的数据格式。 Hive 可以很好的工作在 Thrift 之上，控制分隔符，也允许用户指定数据格式。

Hive简介：
1）声明编程；
2）Hive不包括计算框架，把计算交给：MR、Spark、Tez；
3）Hive SQL；
4）与传统的关系型数据库（Mysql）有区别；
5）数据仓库；
6）场景：
	对历史数据做离线“分析”
7）Hive 诟病：慢
	MR慢
	如果想提速：设置计算引擎：Spark

Hive是：提供一个大数据的SQL的接口，不做计算。用来做数据分析。

使用Mysql保存元数据信息：字段、字段类型、分割方式、存储方式。。。

Hive 安装准备：

1）Hadoop；
2）Mysql；
3）mysql-connector-java，放在$HIVE_HOME/lib目录下；

mysql安装：

mysql的安装
	1. 只需要安装在集群里面的一台节点上即可，此处选择hadoop1节点
	2. 在Hadoop1上安装mariadb
		yum -y install  mariadb-server   mariadb
	3. 开启服务并开机自启
		systemctl start mariadb.service
		systemctl enable mariadb.service
	4. 设置密码。第一次登陆时直接空密码登陆，之后使用sql语句设置密码
		mysql -u root -p
		登录之后，先查看databases是否正常，之后sql语句设置密码
		> use mysql;
		> update user set password=password( '123456' ) where user= 'root' ;
		然后设置root用户可以从任何主机登陆，对任何的库和表都有访问权限
		> grant all privileges on *.* to root@'%' identified by '123456';
		> grant all privileges on *.* to root@'hadoop1' identified by '123456';
		> grant all privileges on *.* to root@'localhost' identified by '123456';
		> FLUSH PRIVILEGES;

配置：

1. /etc/profile

	export HIVE_HOME=...
	export PATH=$PATH:$HIVE_HOME/bin
	
	使配置生效  source /etc/profile

2. hive-env.sh中添加信息:

	export JAVA_HOME=...
	export HADOOP_HOME=...
	export HIVE_HOME=...

3. hive-site.xml
   1）Mysql连接方式，url，用户名，密码；
   2）log路径

<configuration>
	<property>
		<name>javax.jdo.option.ConnectionURL</name>
		<value>jdbc:mysql://bigboss3:3306/hive?createDatabaseIfNotExist=true</value>
	</property>
	<property>
		<name>javax.jdo.option.ConnectionDriverName</name>
		<value>com.mysql.jdbc.Driver</value>
	</property>
	<property>
		<name>javax.jdo.option.ConnectionUserName</name>
		<value>root</value>
	</property>
	<property>
		<name>javax.jdo.option.ConnectionPassword</name>
		<value>123456</value>
	</property>
	
	<property> 
		<name>hive.exec.scratchdir</name> 
		<value>/tmp/hive</value> 
	</property> 
	<property> 
		<name>hive.exec.local.scratchdir</name> 
		<value>/tmp/hive/local</value> 
		<description>Local scratch space for Hive jobs</description> 
	</property> 
	<property> 
		<name>hive.downloaded.resources.dir</name> 
		<value>/tmp/hive/resources</value> 
		<description>Temporary local directory for added resources in the remote file system.</description> 
	</property> 
	<property> 
		<name>hive.querylog.location</name> 
		<value>/tmp/hive/querylog</value> 
		<description>Location of Hive run time structured log file</description> 
	</property>
	<property> 
		<name>hive.server2.logging.operation.log.location</name> 
		<value>/tmp/hive/operation_logs</value> 
		<description>Top level directory where operation logs are stored if logging functionality is enabled</description> 
	</property>
	<property>
                <name>hive.execution.engine</name>
                <value>spark</value>
        </property>

</configuration>

4. 为Hive创建HDFS目录：

	hdfs dfs -mkdir /tmp 
	// /usr/hive/warehouse   是    Hive 数据存放的路径
	hdfs dfs -mkdir -p /usr/hive/warehouse 
	设置文件夹权限
	hdfs dfs -chmod g+w /tmp 
	hdfs dfs -chmod g+w /usr/hive/warehouse
	
	元数据：
	数据：

5. 访问方式
   1）hive //已弃用
   2）
   从 Hive 2.1 版本开始, 在启动 Hive 之前需运行 schematool 命令来执行初始化操作:

 schematool -dbType mysql -initSchema 

先启动：hiveserver2  // 多用户，安全，推荐使用
再执行：beeline

beeline命令：

//连接
！connect jdbc:hive2://bigboss1:10000
//展示数据库
show databases;
//建数据库
create database test01;
//建表
create table emp(id int, name string, job string, mgr int, hiredate string, salary double, 
bonus double, deptid int) row format delimited fields terminated by '	';
//向表中导入数据
load data local inpath "/root/example/hive/data/emp.txt" into table emp;
//查询
1. 求每个部门的平均薪水大于2000的部门
2. 同1，但加上部门名字
0: jdbc:hive2://bigboss3:10000>  select emp.deptid,dept.name, avg(salary) as avgsalary  

from emp,dept where emp.deptid=dept.id group by emp.deptid,dept.name having 

avgsalary>2000;
WARNING: Hive-on-MR is deprecated in Hive 2 and may not be available in the future 

versions. Consider using a different execution engine (i.e. spark, tez) or using Hive 1.X 

releases.
SLF4J: Class path contains multiple SLF4J bindings.
SLF4J: Found binding in [jar:file:/opt/programs/hive-2.3.5/lib/log4j-slf4j-impl-

2.6.2.jar!/org/slf4j/impl/StaticLoggerBinder.class]
SLF4J: Found binding in [jar:file:/opt/programs/hadoop-

2.6.0/share/hadoop/common/lib/slf4j-log4j12-

1.7.5.jar!/org/slf4j/impl/StaticLoggerBinder.class]
SLF4J: See http://www.slf4j.org/codes.html#multiple_bindings for an explanation.
SLF4J: Actual binding is of type [org.apache.logging.slf4j.Log4jLoggerFactory]
2019-09-17 15:58:54	Starting to launch local task to process map join;	maximum 

memory = 518979584
2019-09-17 15:58:56	Dump the side-table for tag: 1 with group count: 4 into file: 

file:/tmp/hive/local/8860e8f7-b680-436a-846f-7781fc8f45fd/hive_2019-09-17_15-58-

49_975_7606403685014368047-1/-local-10005/HashTable-Stage-2/MapJoin-mapfile11--.hashtable
2019-09-17 15:58:56	Uploaded 1 File to: file:/tmp/hive/local/8860e8f7-b680-436a-846f-

7781fc8f45fd/hive_2019-09-17_15-58-49_975_7606403685014368047-1/-local-10005/HashTable-

Stage-2/MapJoin-mapfile11--.hashtable (373 bytes)
2019-09-17 15:58:56	End of local task; Time Taken: 2.036 sec.
+-------------+-------------+---------------------+
| emp.deptid  |  dept.name  |      avgsalary      |
+-------------+-------------+---------------------+
| 10          | ACCOUNTING  | 2916.6666666666665  |
| 20          | RESEARCH    | 2175.0              |
+-------------+-------------+---------------------+
2 rows selected (31.071 seconds)


//退出beeline
!quit

//退出hiveserver2
Ctrl+c