Hive入门--1.简介与环境搭建

Hive入门

　　hive是一个数据仓库，用于存储海量格式化数据，方便开发人员对其使用SQL语言进行数据分析。
　　它的所有表中的数据存放在 hdfs 文件系统中，保证了数据的可靠性，安全性
　　它的表的描述信息 metastore（包括表字段定义、文件在hdfs中的映射位置）存放在单独的数据库中，默认的是derby本地文件数据库，大多情况下使用 mysql 进行存储

7.1.1 derby数据库的特点

derby数据库以metastore_db文件形式存储在本地HIVE_HOME/bin目录下,因为是以当前启动hive脚本的目录作为参照的。如果切换至其他目录下，重新启动hive脚本，则会在该目录下重新创建一个metastore_db文件。

该数据库的缺点：

1．只支持一个连接
2. 不能共享数据

所以一般应用中，我们使用mysql最为hive的metastore

下面将介绍hive（数据仓库）+mysql（metastore）的安装

安装Hive

Hive只在一个节点上安装即可

1 上传tar包

2 解压

tar -zxvf hive-0.9.0.tar.gz -C /itcast/

3 配置mysql metastore（需切换到root用户）

**安装mysql Server**

使用

rpm -ivh MySQL-server-5.1.73-1.glibc23.i386.rpm

【命令安装mysqlserver 出现包冲突的解决方法：

1）切换到 /root目录下，执行如下命令：

rpm -qa | grep mysql

找到mysql的安装目录
2）强制擦除该安装包并解除依赖

rpm -e mysql-libs-5.1.66-2.el6_3.i686 –nodeps

3）再次安装server

rpm -ivh MySQL-server-5.1.73-1.glibc23.i386.rpm 

】

为了配置方便，我们将客户端也安装上去

rpm -ivh MySQL-client-5.1.73-1.glibc23.i386.rpm 

mysql安装时配置
1）修改mysql的密码
使用默认的提示初始化mysql：

/usr/bin/mysql_secure_installation
（注意：删除匿名用户，允许用户远程连接）

注：如果出现mysql.sock找不到的错误
先在/usr/share/mysql目录下尝试启动mysql.server后再次尝试初始化mysql配置

删除匿名用户：Y
不允许远程连接：n

登陆mysql
mysql -u root -p
password：***（由自己设定）

4 配置hive，将mysql作为hive的metastore

vim  hive-site.xml 

修改hive-site.xml，删除其他内容，只留如下内容：

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<configuration>
    <property>
    </property>
</configuration>

添加如下内容：

    数据库不存在时创建该数据库
    <property>
        <name>javax.jdo.option.ConnectionURL</name>
    <value>jdbc:mysql://itcast**:3306/hive?createDatabaseIfNotExist=true</value>
        <description>JDBC connect string for a JDBC metastore</description>
    </property>
    Jdbc名称
    <property>
      <name>javax.jdo.option.ConnectionDriverName</name>
      <value>com.mysql.jdbc.Driver</value>
      <description>Driver class name for a JDBC metastore</description>
    </property>
    用户名
    <property>
      <name>javax.jdo.option.ConnectionUserName</name>
      <value>root</value>
      <description>username to use against metastore database</description>
    </property>
    密码
    <property>
      <name>javax.jdo.option.ConnectionPassword</name>
      <value>123</value>
      <description>password to use against metastore database</description>
    </property>

（可选配置）
//Metastore在hdfs上自定义的路径
hive.metastore.warehouse.dir
//每次执行hive所产生的log存放路径
hive.querylog.location

5 安装hive和mysql完成后，将mysql的连接jar包拷贝到$HIVE_HOME/lib目录下

如果出现没有权限的问题，在mysql**授权**(在安装mysql的机器上执行)

mysql -uroot -p
#(执行下面的语句  *.*:所有库下的所有表   %：任何IP地址或主机都可以连接)
GRANT ALL PRIVILEGES ON *.* TO 'root'@'%' IDENTIFIED BY '123' WITH GRANT OPTION;

为了安全起见，可以缩小授权范围，例如只允许itcast03连接该数据库 ：

    mysql>GRANT ALL PRIVILEGES ON hive.* TO 'root'@'itcast03' IDENTIFIED BY '123' WITH GRANT OPTION; 

代表授权itcast03访问hive数据库下的所有表
*.*  ---》 数据库名.表名

刷新数据库配置：

    mysql> FLUSH PRIVILEGES; 

6 访问hive的方式

1、 hive 命令行模式

直接输入 /$HiveHome/bin/hive 启动hive程序，进入hive命令行，如果在环境变量中已经配置了HIVE_HOME,那么输入：

# hive

就可以启动
或hive –service cli
用于linux平台命令行查询，查询语句基本跟mysql查询语句类似
　　1.1　hive中“一次使用”命令：hive -e “SQL…”
　　这种方式的优点在于可以不进入hive命令行，就可以执行Hql语句
例如：

[root@itcast05 ~]# hive -e "select * from student"

Logging initialized using configuration in file:/itcast/apache-hive-0.13.0-bin/conf/hive-log4j.properties
OK
1       tom
2       jerry
3       jim
Time taken: 1.568 seconds, Fetched: 3 row(s)

配合linux的数据重定向，还可以将这个查询数据输出到本地文件中：

[root@itcast05 ~]# hive -S -e "select * from student" > /root/qout1.txt
[root@itcast05 ~]# cat qout1.txt 
1       tom
2       jerry
3       jim

　　1.2　hive中“一次使用”命令：hive -f 本地文件路径
　　首先需要准备好文件，里面写好了SQL语句内容，比如：

[root@itcast05 ~]# cat hivequery.hql 
select * from student;

　 　接着，我们用一下这个 hive -f 命令，像这样：　

[root@itcast05 ~]# hive -f /root/hivequery.hql 

Logging initialized using configuration in file:/itcast/apache-hive-0.13.0-bin/conf/hive-log4j.properties
OK
1       tom
2       jerry
3       jim
Time taken: 2.114 seconds, Fetched: 3 row(s)

　　1.3 小技巧：使用hive -e 命令模糊查找hive配置属性名
　　当用户不能完整记清楚某个属性名时，可以使用下面这个技巧模糊获取这个属性名，免除使用set命令查找。假设用户没记清哪个属性指定了管理表的“warehouse”的路径，通过如下命令可以查看到：

[root@itcast05 ~]# hive -S -e "set" | grep warehouse
hive.metastore.warehouse.dir=/user/hive/warehouse
hive.warehouse.subdir.inherit.perms=false

-S：屏蔽无用提示信息，只显示结果

2、 hive web界面的启动方式（不太常用）

hive –service hwi  
用于通过浏览器来访问hive

3、 hive 远程服务 (端口号10000) 启动方式

# hive –service hiveserver  &

　　用java等程序实现通过jdbc等驱动的访问hive就用这种起动方式了，这个是程序员最需要的方式了
　 也可以自己指定端口 hive --service hiveserver -p 50000 & (&表示后台运行)
　　输入完这些指令后终端就在运行hiveserver了，会卡住不动。其实已经在运行了，不用担心。

使用经验：1、3方式居多，2很少用

## 7.8 Hive与传统数据库比较 ##

查询语言	HiveQL	SQL
数据存储位置	HDFS	Raw Device or 本地FS
数据格式	用户定义	系统决定
数据更新	不支持	支持
索引	新版本有，但弱	有
执行	MapReduce	Executor
执行延迟	高	低
可扩展性	高	低
数据规模	大	小