hive了解系列一

随着智能手机的普及，互联网时代红利的爆发，用户数量和产生的数据也越发庞大。为了解决这个问题，提高数据的使用价值。 Hadoop生态系统就被广泛得到应用。

在早期，Hadoop生态系统就是为处理如此大数据集而产生的一个合乎成本效益的解决方案。Hadoop实现了一个特别的计算模型，也就是MapReduce,其可以将计算任务分割成多个处理单元然后分散到一群家用的或服务器级别的硬件机器上，从而降低成本并提供水平可伸缩性。这个计算模型的下面是一个被称为Hadoop分布式文件系统(HDFS)的分布式文件系统。这个文件系统是"可插拔的",而且现在已经出现了几个商用(CDH\HDP)的和开源的替代方案。
这就是Hive出现的原因。Hive提供了一个被称为Hive查询语言(简称HiveQL或HQL)的SQL方言，来查询存储在Hadoop集群中的数据，简化了MapReduce的开发过程。
SQL知识分布广泛的一个原因是：它是一个可以有效地、合理地且直观地组织和使用数据的模型。即使对于经验丰富的Java开发工程师来说，将这些常见的数据运算对应到底层的MapReduce Java API也是令人畏缩的。Hive可以帮助用户来做这些苦活，这样用户就可以集中精力关注于查询本身了。Hive可以将大多数的查询转换为MapReduce任务(job),进而在介绍一个令人熟悉的SQL抽象的同时，拓宽Hadoop的可扩展性。
hive也存在诸多弊端

查询延迟高：每一次启动脚本，hive都会去调用mapdurce导致其启动时间长。

复杂查询性能有限：对于一些复杂场景（如：行列转换、递归查询等）。

数据更新和事务性操作不佳：不支持update、delete语句。

ACID：hive不是一个ACID模型数据库工具，不支持事务处理。
"

hive和传统数据库的对比

hive的数据存储

Hive的数据存储基于Hadoop HDFS

Hive没有专门的数据存储格式（txt、csv）

存储结构主要包括：数据库、表、视图、索引、数据（文件）

Hive默认可以直接加载文本文件（TextFile），还支持SequenceFile、RCFile

创建表时，指定Hive数据的列分隔符与行分隔符，Hive即可解析数据

Hive的系统架构

用户接口，包括 CLI，JDBC/ODBC，WebUI

元数据存储，通常是存储在关系数据库如 mysql（常见的管理数据库）, derby（默认自带数据库）中

内部运行自带：解释器、编译器、优化器、执行器

Hadoop：用 HDFS 进行存储，利用 MapReduce 进行计算

Hive运行模式

hive的运行模式有三种

本地模式、伪分布式模式和分布式模式

本地模式\伪分布式：这种模式下使用的是本地文件系统。在本地模式下，当执行Hadoopjob时(包含有大多数的Hive查询),Maptask和Reducetask在同一个进程中执行。

分布式模式：没有完整URL指定的路径默认都是分布式文件系统(通常是HDFS)中的路径，而且由JobTracker服务来管理job,不同的task 在不同的进程中执行。

即使在分布式模式下执行， Hive还是可以在提交查询前判断是否可以使用本地模式来执行这个查询。这时它会读取数据文件，然后自己管理 MapReduce task,最终提供更快的执行方式。

hive相关操作指令

本文省略安装部署

在hive的bin目录下有以下相关指令

复制代码

beeline
ext
hive
hive-config.sh
hiveserver2
hplsql
metatool
schematool

beeline：

作用： beeline是Hive的客户端工具，用于与HiveServer2进行交互式查询和操作。

功能：

允许用户通过JDBC远程连接到HiveServer2进行查询和管理Hive数据库。

支持使用HiveQL语言执行查询、创建表、加载数据等操作。

提供了连接参数配置、认证方式选择、输出格式设置等功能。

支持脚本执行，可以批量执行HiveQL脚本文件中的查询和命令。

通过beeline链接hive时，需提前启动。

在hive手册中提供以下使用命令示例

复制代码

   Example:
    1. Connect using simple authentication to HiveServer2 on localhost:10000
    $ beeline -u jdbc:hive2://localhost:10000 username password

    2. Connect using simple authentication to HiveServer2 on hs.local:10000 using -n for username and -p for password
    $ beeline -n username -p password -u jdbc:hive2://hs2.local:10012

    3. Connect using Kerberos authentication with hive/[email protected] as HiveServer2 principal
    $ beeline -u "jdbc:hive2://hs2.local:10013/default;principal=hive/[email protected]"

    4. Connect using SSL connection to HiveServer2 on localhost at 10000
    $ beeline "jdbc:hive2://localhost:10000/default;ssl=true;sslTrustStore=/usr/local/truststore;trustStorePassword=mytruststorepassword"

    5. Connect using LDAP authentication
    $ beeline -u jdbc:hive2://hs2.local:10013/default <ldap-username> <ldap-password>

ext：

该文件夹并不是一个可执行文件，内部包含了所需的基本.shell脚本

hive

是hive 本地的一个交互工具，

hive-config.sh

此命令是为变更hive运行的环境所使用，主要涉及

[hadoop@hadoop 复制代码

# Licensed to the Apache Software Foundation (ASF) under one or more
# contributor license agreements.  See the NOTICE file distributed with
# this work for additional information regarding copyright ownership.
# The ASF licenses this file to You under the Apache License, Version 2.0
# (the "License"); you may not use this file except in compliance with
# the License.  You may obtain a copy of the License at
#
#     http://www.apache.org/licenses/LICENSE-2.0
#
# Unless required by applicable law or agreed to in writing, software
# distributed under the License is distributed on an "AS IS" BASIS,
# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
# See the License for the specific language governing permissions and
# limitations under the License.

#
# processes --config option from command line
#

this="$0"
while [ -h "$this" ]; do
  ls=`ls -ld "$this"`
  link=`expr "$ls" : '.*-> \(.*\)$'`
  if expr "$link" : '.*/.*' > /dev/null; then
    this="$link"
  else
    this=`dirname "$this"`/"$link"
  fi
done

# convert relative path to absolute path
bin=`dirname "$this"`
script=`basename "$this"`
bin=`cd "$bin"; pwd`
this="$bin/$script"

# the root of the Hive installation
if [[ -z $HIVE_HOME ]] ; then
  export HIVE_HOME=`dirname "$bin"`
fi

#check to see if the conf dir is given as an optional argument
while [ $# -gt 0 ]; do    # Until you run out of parameters . . .
  case "$1" in
    --config)
        shift
        confdir=$1
        shift
        HIVE_CONF_DIR=$confdir
        ;;
    --auxpath)
        shift
        HIVE_AUX_JARS_PATH=$1
        shift
        ;;
    *)
        break;
        ;;
  esac
done


# Allow alternate conf dir location.
HIVE_CONF_DIR="${HIVE_CONF_DIR:-$HIVE_HOME/conf}"

export HIVE_CONF_DIR=$HIVE_CONF_DIR
export HIVE_AUX_JARS_PATH=$HIVE_AUX_JARS_PATH

# Default to use 256MB 
export HADOOP_HEAPSIZE=${HADOOP_HEAPSIZE:-256}

以上是hive-config.sh指令的文件内容，通过解读该指令文件的源码，该指令主要是接收

--config

--auxpath

两个指令参数，用变更hive的HIVE_CONF_DIR、HIVE_AUX_JARS_PATH环境变量，该操作方式并不推荐，读者可以忽略

hiveserver2

因为早期 HiveServer 不能处理多于一个客户端的并发请求，这是由于 HiveServer 使用的 Thrift 接口所导致的限制，不能通过修改 HiveServer 的代码修正。因此在 Hive-0.11.0 版本中重写了 HiveServer 代码得到了HiveServer2 ，进而解决了该问题。 HiveServer2 支持多客户端的并发和认证，为开放 API 客户端如 JDBC 、 ODBC 提供更好的支持。

启动方式复制代码

nohup hive --service metastore &   
nohup hive --service hiveserver2 &

启动hiveserver2，必须先启动其元数据库，源数据库的配置可参照往期hive的安装博客

hplsql

hplsql是一个客户端工具，hqlsql 通常用于执行hive的SQL脚本语句；

复制代码

hqlsql -H

可以查看到相关的指令参数

示例

在当前路径创建一个用于hive 执行的一个SQL脚本文件

复制代码

[hadoop@hadoop ~]$ cat hive_text.sql 
use test_db;
create table hqlsqpl_text(id integer);
select *  from hqlsqpl_text;

使用hplsql指令去运行该脚本文件

复制代码

hplsql -f hive_text.sql

进入客户端可以看到表结构已经创建。

f参数是一个较为常用的指令。

e参数的使用范例

复制代码

hplsql -e "USE test_db; SELECT * FROM hqlsqpl_text;"

这个指令其实较为鸡肋，hive并没有有效的

metatool

metatool是一个管理员对元数据进行管理和操作的一个指令。

能够在引用 NN 的元存储记录中搜索和替换 HDFS NN （NameNode）位置。一种用途是将 Hive 部署转换为 HDFS HA NN（HDFS 高可用性名称节点）。

用于对元存储执行 JDOQL 的命令行工具。对元存储执行 JDOQL 的功能对于用户和 Hive 开发人员来说都是一个有用的调试工具。

在使用metatool指令时，可指定以下参数

复制代码

-serdePropKey <serde-prop-key>
S 特定于 SerDe 属性键，其值字段可能引用 HDFS NameNode 位置，因此可能需要更新。例如，若要更新 Haivvero 架构 URL，请为此参数指定 schema.url。

此选项仅对 updateLocation 选项有效。

-help
打印命令选项及其说明的列表。
-listFSRoot
打印当前文件系统根目录 （NameNode） 的位置。该值以 前缀。hdfs:// scheme

-dryRun
执行 updateLocation 更改的试运行 。将显示 updateLocation 更改，但不会保留。

此选项仅对 updateLocation 选项有效。

-executeJDOQL <query-string>
执行给定的 JDOQL 查询。
-tablePropKey <table-prop-key>
指定表属性键，其值字段可能引用 HDFS NameNode 位置，因此可能需要更新。例如，若要更新 Avro SerDe 架构 URL，请为此参数指定 avro.schema.url。

此选项仅对 updateLocation 选项有效。

-updateLocation <new-loc> <old-loc>
更新 Hive 元存储中的记录以指向新的 NameNode 位置（文件系统根位置）。new-loc 和 old-loc 都应该是具有有效主机名和方案的有效 URI。要升级到 HDFS HA NN，new-loc 应与属性的值匹配 。old-loc 应与 listFSRoot 选项返回的值匹配。dfs.nameservices

使用 dryRun 选项运行时 ，将显示更改，但不会保留更改。使用 serdepropKey/tablePropKey 选项运行时，updateLocation 会查找指定的 serde-prop-key/table-prop-key，并在找到时更新其值。

代码示例

查看元数据状态

复制代码

hive --service metatool -listFSRoot

以上展示信息

复制代码

hdfs://hadoop:9000/user/hive/warehouse：这是 Hive 默认的数据仓库目录。在这个目录下存放了所有 Hive 表的数据文件。

hdfs://hadoop:9000/user/hive/warehouse/test_db.db：这是一个数据库目录，test_db 是数据库的名称，.db 是数据库的后缀。在这个目录下存放了数据库 test_db 中所有表的数据文件。

-updateLocation示例

复制代码

hive --service metatool -updateLocation hdfs://localhost:9000 hdfs://namenode2:8020 -tablePropKey avro.schema.url -serdePropKey avro.schema.url

使用 updateLocation ，tabletablePropKey 和 serdePropKey 选项将 NameNode 位置从 hdfs：// namenode2：8020 更新为 hdfs：// localhost：9000.

-executeJDOQL

执行给定的 JDOQL 查询。

查询所有表信息

复制代码

hive --service metatool -executeJDOQL "select tableName from org.apache.hadoop.hive.metastore.model.MTable"

schematool

在安装hive 的时候常用于初始化元数据库

复制代码

schematool -dbType mysql -initSchema -verbose

查看当前版本以及元数据库JDBCurl信息

复制代码

schematool -info -dbType mysql

这里显示的2.3并不是元数据库的信息而是hive的版本号。
后续系列，马上更新，多多关注