1. Hive概述
1.1 Hive简介
Hive：由 Facebook 开源用于解决海量结构化日志的数据统计工具。
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表，并提供类 SQL 查询功能
1.2 Hive本质
Hive 本质：将 HQL 转化成 MapReduce 程序
（1）Hive 处理的数据存储在 HDFS
（2）Hive 分析数据底层的实现是 MapReduce
（3）执行程序运行在 Yarn 上
1.3 Hive 优缺点
优点
（1）操作接口采用类 SQL 语法，提供快速开发的能力（简单、容易上手）。
（2）避免了去写 MapReduce，减少开发人员的学习成本。
（3）Hive 的执行延迟比较高，因此 Hive 常用于数据分析，对实时性要求不高的场合。
（4）Hive 优势在于处理大数据，对于处理小数据没有优势，因为 Hive 的执行延迟比较高。
（5）Hive 支持用户自定义函数，用户可以根据自己的需求来实现自己的函数。
缺点
1）Hive 的 HQL 表达能力有限
（1）迭代式算法无法表达
（2）数据挖掘方面不擅长，由于 MapReduce 数据处理流程的限制，效率更高的算法却
无法实现。
2）Hive 的效率比较低
（1）Hive 自动生成的 MapReduce 作业，通常情况下不够智能化
（2）Hive 调优比较困难，粒度较粗
1.4 架构原理
1. 用户接口：Client
CLI（command-line interface）、JDBC/ODBC(jdbc 访问 hive)、WEBUI（浏览器访问 hive）
2. 元数据：Metastore
元数据包括：表名、表所属的数据库（默认是 default）、表的拥有者、列/分区字段、表的类型（是否是外部表）、表的数据所在目录等；
默认存储在自带的 derby 数据库中，推荐使用 MySQL 存储 Metastore
3. Hadoop
使用 HDFS 进行存储，使用 MapReduce 进行计算
4. 驱动器：Driver
（1）解析器（SQL Parser）：将 SQL 字符串转换成抽象语法树 AST，这一步一般都用第
三方工具库完成，比如 antlr；对 AST 进行语法分析，比如表是否存在、字段是否存在、SQL
语义是否有误。
（2）编译器（Physical Plan）：将 AST 编译生成逻辑执行计划。
（3）优化器（Query Optimizer）：对逻辑执行计划进行优化。
（4）执行器（Execution）：把逻辑执行计划转换成可以运行的物理计划。对于 Hive 来
说，就是 MR/Spark
运行机制
Hive 通过给用户提供的一系列交互接口，接收到用户的指令(SQL)，使用自己的 Driver，结合元数据(MetaStore)，将这些指令翻译成MapReduce，提交到 Hadoop 中执行，最后，将执行返回的结果输出到用户交互接口
2. Hive安装
2.1 安装地址
1. Hive 官网地址
2. 文档查看地址
3. 下载地址
4. github 地址
2.2 Hive安装部署
2.2.1 安装Hive
1.下载解压到 /opt/module 目录下并修改文件名为hive
[wsl@wsl01 hive]$ pwd
/opt/module/hive
2. 修改 /etc/profile 添加环境变量,并使其生效
1.vim /etc/profile
#HIVE_HOME
export HIVE_HOME=/opt/module/hive
export PATH=$PATH:$HIVE_HOME/bin
2.source /etc/profie
3. 解决jar包冲突
[wsl@wsl01 module]$ mv $HIVE_HOME/lib/log4j-slf4j-impl-2.10.0.jar $HIVE_HOME/lib/log4j-slf4j-impl-2.10.0.bak
4. 初始化元数据库
[wsl@wsl01 hive]$ bin/schematool -dbType derby -initSchema
5. 启动测试
[wsl@wsl01 hive]$ bin/hive
hive (default)>
2.2.2 安装mysql
1. 检查当前系统是否安装过 MySQL
[wsl@wsl01 ~]$ rpm -qa|grep mariadb
mariadb-libs-5.5.56-2.el7.x86_64
//如果存在通过如下命令卸载
[wsl@wsl01 ~]$ sudo rpm -e --nodeps mariadb-libs
2. 下载解压安装包
[wsl@wsl01 module]# tar -xf mysql-5.7.28-1.el7.x86_64.rpm-
bundle.tar
3. rpm安装
[wsl@wsl01 module]$
sudo rpm -ivh mysql-community-common-5.7.28-1.el7.x86_64.rpm
sudo rpm -ivh mysql-community-libs-5.7.28-1.el7.x86_64.rpm
sudo rpm -ivh mysql-community-libs-compat-5.7.28-1.el7.x86_64.rpm
sudo rpm -ivh mysql-community-client-5.7.28-1.el7.x86_64.rpm
sudo rpm -ivh mysql-community-server-5.7.28-1.el7.x86_64.rpm
4. 删除/etc/my.cnf 文件中 datadir 指向的目录下的所有内容,如果有内容的情况下
查看 datadir 的值：
[mysqld]
datadir=/var/lib/mysql
删除/var/lib/mysql 目录下的所有内容:
[wsl@wsl01 mysql]# cd /var/lib/mysql
[wsl@wsl01 mysql]# sudo rm -rf ./* //注意执行命令的位置
5. 初始化数据库
[wsl@wsl01 mysql]$ sudo mysqld --initialize --user=mysql
6. 查看临时密码
[wsl@wsl01 mysql]$ sudo cat /var/log/mysqld.log
7. 启动mysql服务
[wsl@wsl01 mysql]$ sudo systemctl start mysqld
8. 登录 MySQL 数据库
[wsl@wsl01 mysql]$ mysql -uroot -p临时密码
9. 修改密码
mysql> set password = password("新密码");
10. 修改 mysql 库下的 user 表中的 root 用户允许任意 ip 连接
mysql> update mysql.user set host='%' where user='root';
mysql> flush privileges;
2.3 Hive 元数据配置到 MySQL
2.3.1 拷贝驱动
将 MySQL 的 JDBC 驱动拷贝到 Hive 的 lib 目录下
[wsl@wsl01 module]$ cp /opt/module/mysql-connector-java-
5.1.37.jar $HIVE_HOME/lib
2.3.2 配置 Metastore 到 MySQL
1. 在$HIVE_HOME/conf 目录下新建 hive-site.xml 文件
<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<!-- jdbc 连接的 URL -->
<property>
<name>javax.jdo.option.ConnectionURL</name>
<value>jdbc:mysql://wsl01:3306/metastore?useSSL=false</value>
</property>
<!-- jdbc 连接的 Driver-->
<property>
<name>javax.jdo.option.ConnectionDriverName</name>
<value>com.mysql.jdbc.Driver</value>
</property>
<!-- jdbc 连接的 username-->
<property>
<name>javax.jdo.option.ConnectionUserName</name>
<value>root</value>
</property>
<!-- jdbc 连接的 password -->
<property>
<name>javax.jdo.option.ConnectionPassword</name>
<value>000000</value>
</property>
<!-- Hive 元数据存储版本的验证 -->
<property>
<name>hive.metastore.schema.verification</name>
<value>false</value>
</property>
<!--元数据存储授权-->
<property>
<name>hive.metastore.event.db.notification.api.auth</name>
<value>false</value>
</property>
<!-- Hive 默认在 HDFS 的工作目录 -->
<property>
<name>hive.metastore.warehouse.dir</name>
<value>/user/hive/warehouse</value>
</property>
</configuration>
2. 登陆 MySQL
[wsl@wsl01 module]$ mysql -uroot -p000000
3. 新建 Hive元数据库
mysql> create database metastore;
mysql> quit;
4. 初始化 Hive 元数据库
[wsl@wsl01 software]$ schematool -initSchema -dbType mysql -verbose
2.4 使用元数据服务的方式访问 Hive
1. 在 hive-site.xml 文件中添加如下配置信息
<!-- 指定存储元数据要连接的地址 -->
<property>
<name>hive.metastore.uris</name>
<value>thrift://wsl01:9083</value>
</property>
2. 启动 metastore
[wsl@wsl01 hive]$ hive --service metastore
注意: 启动后窗口不能再操作，需打开一个新的 shell 窗口做别的操作
3. 启动 hive
[wsl@wsl01 hive]$ bin/hive
使用元数据服务的方式访问hive需要每次先启动metastore
2.5 使用 JDBC 方式访问 Hive
1. 在 hive-site.xml 文件中添加如下配置信息
<!-- 指定 hiveserver2 连接的 host -->
<property>
<name>hive.server2.thrift.bind.host</name>
<value>wsl01</value>
</property>
<!-- 指定 hiveserver2 连接的端口号 -->
<property>
<name>hive.server2.thrift.port</name>
<value>10000</value>
</property>
2.启动 hiveserver2
[wsl@wsl01 hive]$ bin/hive --service hiveserver2
3. 启动 beeline 客户端（需要多等待一会）
[wsl@wsl01 hive]$ bin/beeline -u jdbc:hive2://wsl01:10000 -n wsl
4. 如下界面启动成功
Connecting to jdbc:hive2://wsl01:10000
Connected to: Apache Hive (version 3.1.2)
Driver: Hive JDBC (version 3.1.2)
Transaction isolation: TRANSACTION_REPEATABLE_READ
Beeline version 3.1.2 by Apache Hive
0: jdbc:hive2://wsl01:10000>
2.6 Hive常见属性配置
2.6.1 Hive运行日志配置
1. 修改 hive 的 log 存放日志到/opt/module/hive/logs
[wsl@wsl01 conf]$ mv hive-log4j2.properties.template hive-
log4j2.properties
2. 在 hive-log4j2.properties 文件中修改 log 存放位置
property.hive.log.dir=/opt/module/hive/logs
2.6.2 打印当前库和表头
在 hive-site.xml 中加入如下两个配置
<property>
<name>hive.cli.print.header</name>
<value>true</value>
</property>
<property>
<name>hive.cli.print.current.db</name>
<value>true</value>
</property>
2.6.3 参数配置方式
1. 查看当前所有的配置信息
hive>set;
2. 参数配置方式
（1）配置文件方式
默认配置文件：hive-default.xml
用户自定义配置文件：hive-site.xml
注意：用户自定义配置会覆盖默认配置。另外，Hive 也会读入 Hadoop 的配置，因为 Hive是作为 Hadoop 的客户端启动的，Hive 的配置会覆盖 Hadoop 的配置。配置文件的设定对本机启动的所有 Hive 进程都有效。
（2）命令行参数方式
启动 Hive 时，可以在命令行添加-hiveconf param=value 来设定参数
例如：
[wsl@wsl01 hive]$ bin/hive -hiveconf mapred.reduce.tasks=10;
注意：仅对本次 hive 启动有效
（3）参数声明方式
可以在 HQL 中使用 SET 关键字设定参数
例如：
hive (default)> set mapred.reduce.tasks=100;
注意：仅对本次 hive 启动有效。
查看参数设置
hive (default)> set mapred.reduce.tasks
2.7 常用交互命令
[wsl@wsl01 hive]$ bin/hive -help
usage: hive
-d,--define <key=value> Variable subsitution to apply to hive
commands. e.g. -d A=B or --define A=B
--database <databasename> Specify the database to use
-e <quoted-query-string> SQL from command line
-f <filename> SQL from files
-H,--help Print help information
--hiveconf <property=value> Use value for given property
--hivevar <key=value> Variable subsitution to apply to hive
commands. e.g. --hivevar A=B
-i <filename> Initialization SQL file
-S,--silent Silent mode in interactive shell
-v,--verbose Verbose mode (echo executed SQL to the
console)
1. “-e”不进入 hive 的交互窗口执行 sql 语句
[wsl@wsl01 hive]$ bin/hive -e "select id from student;"
2. “-f”执行脚本中 sql 语句
（1）在/opt/module/hive/下创建 datas 目录并在 datas 目录下创建 hivef.sql 文件
[wsl@wsl01 datas]$ touch hivef.sql
（2）文件中写入正确的 sql 语句
select *from student;
（3）执行文件中的 sql 语句
[wsl@wsl01 hive]$ bin/hive -f /opt/module/hive/datas/hivef.sql
（4）执行文件中的 sql 语句并将结果写入文件中
[wsl@wsl01 hive]$ bin/hive -f /opt/module/hive/datas/hivef.sql >/opt/module/datas/hive_result.txt
3. 退出hive窗口
hive(default)>exit;
hive(default)>quit;
4. 在 hive cli 命令窗口中查看 hdfs 文件系统
hive(default)>dfs -ls /;
查看hive中输入的历史命令
（1）进入到当前用户的根目录 /root 或/home/wsl
（2）查看. hivehistory 文件
[wsl@wsl01 ~]$ cat .hivehistory
