HIVE安装使用说明.docx
《HIVE安装使用说明.docx》由会员分享，可在线阅读，更多相关《HIVE安装使用说明.docx（14页珍藏版）》请在冰豆网上搜索。
HIVE安装使用说明
HIVE安装使用说明
一、Hive简介
1.1.Hive是什么
Hadoop作为分布式运算的基础架构设施，统计分析需要采用MapReduce编写程序后，放到Hadoop集群中进行统计分析计算，使用起来较为不便，Hive产品采用类似SQL的语句快速实现简单的MapReduce统计，很大程度降低了Hadoop的学习使用成本。
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，并提供基础的SQL查询功能，可以将SQL语句转换为MapReduce任务运行，而不必开发专门的MapReduce应用，十分适合数据仓库的统计分析。
1.2.部署架构
Hive中的Driver为核心驱动部分，包括SQL语句的解释、编译为MapReduce任务，并进行优化、执行。
Hive用户访问包括4种运行和访问方式，一是CLI客户端；二是HiveServer2和Beeline方式；三是HCatalog/WebHCat方式；四是HWI方式。
其中CLI、Beeline均为控制台命令行操作模式，区别在于CLI只能操作本地Hive服务，而Beeline可以通过JDBC连接远程服务。
HiveServer2为采用Thrift提供的远程调用接口，并提供标准的JDBC连接访问方式。
HCatalog是Hadoop的元数据和数据表的管理系统，WebHCat则提供一条Restful的HCatalog远程访问接口，HCatalog的使用目前资料很少，尚未充分了解。
HWI是HiveWebInterface的简称，可以理解为CLI的WEB访问方式，因当前安装介质中未找到HWI对应的WAR文件，未能进行使用学习。
Hive在运行过程中，还需要提供MetaStore提供对元数据（包括表结构、表与数据文件的关系等）的保存，Hive提供三种形式的MetaStore：
一是内嵌Derby方式，该方式一般用演示环境的搭建；二是采用第三方数据库进行保存，例如常用的MySQL等；三是远程接口方式，及由Hive自身提供远程服务，供其他Hive应用使用。
在本安装示例中采用的第二种方式进行安装部署。
备注：
在本文后续的安装和说明中，所有示例均以HiverServer2、Beeline方式进行。
另：
因Hive在查询时性能较差，后期拟计划采用SPARK或Presto进行替代，因此本安装手册不对Hive的集群方案进行描述。
1.3.环境说明
本安装示例在Ubuntu14.04.3的虚拟器中进行安装，并提前安装配置Hadoop。
机器名
IP地址
安装软件
启用服务
hdfs1
10.68.19.184
Hive
Hadoop
hdfs2
10.68.19.182
Hadoop
hdfs3
10.68.19.183
MySQL
Hadoop
二、MySQL安装配置
2.1.MySQL安装
登录到hdfs3中，安装MySQL服务器。
$sudoapt-getinstallmysql-server
修改my.cfg的配置文件
$sudovi/etc/mysql/my.cfg
修改内容如下：
bind-address =10.68.19.183
:
wq
重新启动mysql服务
$sudoservicemysqlrestart
2.2.创建Hive需要的数据库和用户
$mysql-uroot-p
依次输入以下命令：
#创建hive用户
insertintomysql.user（Host,User,Password）values（"localhost","hive",password（"hive"））;
#创建数据库
createdatabasehive;
#授权
grantallonhive.*tohive@'%'identifiedby'hive';
grantallonhive.*tohive@'localhost'identifiedby'hive';
flushprivileges;
#退出
exit
三、Hive安装
3.1.下载Hive
从官网（http:
//hive.apache.org/downloads.html）上下载最新的稳定版本地址，并上传到服务器上。
本安装示例采用的版本为apache-hive-1.2.1-bin.tar.gz。
3.2.解压并配置环境变量
解压安装文件到/opt目录
$tar-zxvfapache-hive-1.2.1-bin.tar.gz-C/opt
修改环境变量
$sudovi/etc/profile
修改如下内容
exportHIVE_HOME=/opt/hive-1.2.1
exportPATH="$JAVA_HOME/bin:
$HADOOP_HOME/bin:
$HIVE_HOME/bin:
$PATH"
:
wq
启用配置
$source/etc/profile
3.3.修改配置文件
$cd$HIVE_HOME
$cpconf/hive-default.xml.templateconf/hive-site.xml
$viconf/hive-site.xml
修改以下内容的值
javax.jdo.option.ConnectionURL
jdbc:
mysql:
//10.68.19.183:
3306/hive
JDBCconnectstringforaJDBCmetastore
javax.jdo.option.ConnectionDriverName
com.mysql.jdbc.Driver
DriverclassnameforaJDBCmetastore
javax.jdo.option.ConnectionPassword
hive
passwordtouseagainstmetastoredatabase
javax.jdo.option.ConnectionUserName
hive
Usernametouseagainstmetastoredatabase
hive.exec.local.scratchdir
/data/hive/scratach
LocalscratchspaceforHivejobs
hive.downloaded.resources.dir
/data/hive/download
Temporarylocaldirectoryforaddedresourcesintheremotefilesystem.
hive.querylog.location
/data/hive/querylog
LocationofHiveruntimestructuredlogfile
hive.server2.logging.operation.log.location
/data/hive/operation_logs
Topleveldirectorywhereoperationlogsarestoredifloggingfunctionalityisenabled
...
3.4.创建需要的目录
$mkdir/data/hive
$mkdir/data/hive/scratach
$mkdir/data/hive/download
$mkdir/data/hive/querylog
$mkdir/data/hive/operation_logs
3.5.上传MySQL驱动
将mysql-connector-java-5.1.36.jar上传到$HIVE_HOME/lib目录下。
3.6.启动
$hiveserver2
3.7.基本操作验证
$beeline
!
connectjdbc:
hive2:
//hdfs1:
10000
输入当前用户名，密码为空
或者直接输入
$./bin/beeline–ujdbc:
hive2:
//hdfs1:
10000
#查看当前数据库
showdatabases;
#查看所有表
showtables;
#创建表
createtableusers（user_idint,fnamestring,lnamestring）;
#插入数据
INSERTINTOusers（user_id,fname,lname）VALUES（1,'john','smith'）;
INSERTINTOusers（user_id,fname,lname）VALUES（2,'john','doe'）;
INSERTINTOusers（user_id,fname,lname）VALUES（3,'john','smith'）;
#查询数据
select*fromuserslimit2;
selectcount
（1）fromusers;
3.8.数据导入示例
示例场景说明：
先将输入导入到tmp_sell_day_corp_cig，再将数据写入sell_day_corp_cig中。
创建表
createtabletmp_sell_day_corp_cig
（
sell_dstring,
cig_codestring,
stat_codestring,
statyearsmallint,
halfyearsmallint,
quartersmallint,
statmonthsmallint,
stattendaysmallint,
statdatesmallint,
cig_provincestring,
cig_factorystring,
trademark_codestring,
cig_insidestring,
cig_gradestring,
cig_famousstring,
cig_hundredstring,
cig_kindstring,
cig_lowstring,
cig_seizurestring,
sell_amountdouble,
sell_total_moneydouble,
gross_profitdouble,
demand_amountdouble
）
partitionedby（corp_codestring）
ROWFORMATDELIMITEDFIELDSTERMINATEDBY',';
createtablesell_day_corp_cig
（
sell_dstring,
cig_codestring,
stat_codestring,
statyearsmallint,
halfyearsmallint,
quartersmallint,
statmonthsmallint,
stattendaysmallint,
statdatesmallint,
cig_provincestring,
cig_factorystring,
trademark_codestring,
cig_insidestring,
cig_gradestring,
cig_famousstring,
cig_hundredstring,
cig_kindstring,
cig_lowstring,
cig_seizurestring,
sell_amountdouble,
sell_total_moneydouble,
gross_profitdouble,
demand_amountdouble
）
partitionedby（corp_codestring）
clusteredby（sell_d）sortedby（cig_code）INTO16BUCKETS
STOREDASorcfile;
导入数据到临时表
LOADDATALOCALINPATH'/home/whcyit/data.txt'OVERWRITEINTOTABLEtmp_sell_day_corp_cigpartition（corp_code='11420101'）;
启用分桶，写入正式表
sethive.enforce.bucketing=true;
INSERTOVERWRITETABLEsell_day_corp_cigpartition（corp_code='11420101'）
selectsell_d,cig_code,stat_code,statyear,halfyear,quarter,statmonth,stattenday,statdate,cig_province,cig_factory,trademark_code,cig_inside,cig_grade,cig_famous,cig_hundred,cig_kind,cig_low,cig_seizure,sell_amount,sell_total_money,gross_profit,demand_amountfromtmp_sell_day_corp_cigWHEREcorp_code='11420101';
显示分区
SHOWPARTITIONSsell_day_corp_cig;
查询数据
selectcount
（1）fromsell_day_corp_cig;
selectsum（a.sell_amount）,sum（a.sell_total_money）,a.cig_code,a.corp_codefromsell_day_corp_cigagroupbya.cig_code,a.corp_code;
建立索引
createindexidx_sell_day_corp_cigontablesell_day_corp_cig（cig_code）
as'pact.CompactIndexHandler'
withdeferredrebuild
INTABLEidx_sell_day_corp_cig_table;
alterindexidx_sell_day_corp_cigonsell_day_corp_cigrebuild;
四、HIVE集群配置
在Hive上述的安装配置中MetaStore和HiverServer2（ThriftServer）两个部分存储单点问题，对于MetaStore因采用数据库进行保存，需要使用数据库本身的方式实现高可用。
对于HiverServer2的集群方式一般可以采用两种模式：
一是采用HAProxy（四层应用集群）进行流量分发，二是采用ZooKeeper实现Hive集群配置。
本安装仅说明采用ZooKeeper实现HiveServer2的高可用方式。
4.1.ZooKeeper高可用的原理
4.2.修改hive-site.xml配置
hive.zookeeper.quorum
hdfs1:
2181,hdfs2:
2181,hdfs3:
2181
hive.server2.support.dynamic.service.discovery
true
hive.server2.zookeeper.namespace
hiveserver2
4.3.启动HiveServer2
$$HIVE_HOME/bin/hiveserver2
4.3.验证集群启用
$zkCli.sh
$ls/hiveserver2
4.4.集群的使用
JDBC或ODBC采用以下方式进行连接
jdbc:
hive2:
//;serviceDiscoveryMode=zooKeeper;zooKeeperNamespace=
其中：
ZooKeeper地址和端口
例如：
Stringurl="jdbc:
hive2:
//hdfs1:
2181,hdfs2:
2181,hdfs3:
2181/;serviceDiscoveryMode=zooKeeper;zooKeeperNamespace=hiveserver2";
Connectioncon=DriverManager.getConnection（url,"whcyit",""）;
备注：
该连接方式不支持beeline客户端，当JDBC驱动能够正常运行识别。
五、Hive基础概念
5.1.Hive与传统数据库的区别
Hive作为基于Hadoop的数据仓库产品，虽然其采用类似数据库定义语言（DDL，create/drop/alter/truncate/show/describe）、数据库操作语言（DML：
load/insert/update/delete/import/export）、SQL语言实现了数据的统计分析功能，但其与传统关系型数据库有着很大区别。
但Hive同样在飞速发展中，越来越多的传统数据库特性在Hive中得到了支持，例如：
ACID事务特性、索引、视图等。
⏹不支持删除操作
Hive默认情况下不支持数据删除操作，如需要删除单条记录需要启动hive的测试模式，对于实际数据仓库类应用中应不存在类似应用。
对于大批量删除，只能采用重新导入数据的方式进行覆盖。
⏹不支持存储过程
Hive没有提供存储过程的支持，对于复杂汇总依旧不能采用SQL进行有效处理。
第三方提供了HPL/SQL的支持（http:
//www.hplsql.org/download）还需要进一步的学习。
⏹不支持部分SQL特性
不支持主外键、条件约束；
不支持类似SQL中in的用法（子查询），可以采用leftsemijoin（半连接）进行替代；
5.2.Hive支持的数据模型
Hive中所有的数据都存储在HDFS中，Hive中包含以下数据模型：
Table（表），ExternalTable（外部表），Partition（分区），Bucket（桶）。
Hive中的Table和数据库中的Table在概念上是类似的，每一个Table在Hive中都有一个相应的目录存储数据。
例如，一个表app，它在HDFS中的路径为：
/user/hive/warehouse/app。
Partition（分区）对应于数据库中的Partition列的密集索引，但是Hive中Partition的组织方式和数据库中的很不相同。
在Hive中，表中的一个Partition对应于表下的一个目录，所有的Partition的数据都存储在对应的目录中。
Buckets（桶）对指定列计算hash，根据hash值切分数据，目的是为了并行，每一个Bucket对应一个文件。
ExternalTable指向已经在HDFS中存在的数据，可以创建Partition。
它和Table在元数据的组织上是相同的，而实际数据的存储则有较大的差异。
Table（内部表）的创建过程和数据加载过程（这两个过程可以在同一个语句中完成），在加载数据的过程中，实际数据会被移动到数据仓库目录中；之后对数据对访问将会直接在数据仓库目录中完成。
删除表时，表中的数据和元数据将会被同时删除。
ExternalTable只有一个过程，加载数据和创建表同时完成（CREATEEXTERNALTABLE……LOCATION），实际数据是存储在LOCATION后面指定的HDFS路径中，并不会移动到数据仓库目录中。
当删除一个ExternalTable时，仅删除hive的元数据，不会删除hdfs上对应的文件。
5.3.Hive的数据存储格式
Hive支持以下存储格式：
⏹TextFile
文本格式（默认）。
⏹SequenceFile
SequenceFile是HadoopAPI提供的一种二进制文件，它将数据以的形式序列化到文件中
⏹RCFile
RCFile是Hive推出的一种专门面向列的数据格式。
它遵循“先按列划分，再垂直划分”的设计理念。
当查询过程中，针对它并不关心的列时，它会在IO上跳过这些列。
⏹ORCFile
全称为OptimizedRowColumnaerfile，针对RCFile存储格式进行一些优化。
⏹Avro
Avro是一种用于支持数据密集型的二进制文件格式。
它的文件格式更为紧凑，若要读取大量数据时，Avro能够提供更好的序列化和反序列化性能。
5.4.Hi
升级会员 