Hadoop学习 第四章 Hive

第四章

Apache Hive概述

对数据进行统计分析，SQL是目前最为方便的编程工具。

大数据体系中充斥着非常多的统计分析场景

所以，使用SQL去处理数据，在大数据中也是有极大的需求的。

MapReduce支持程序开发(Java、Python等)

但不支持SQL开发

Apache Hive是一款分布式SQL计算的工具，其主要功能是:
将SQL语句 翻译成MapReduce程序运行

基于Hive为用户提供了分布式SQL计算的能力

写的是SQL、执行的是MapReduce

为什么使用Hive?

为什么使用Hive

使用Hadoop MapReduce直接处理数据所面临的问题

人员学习成本太高 需要掌握java、Python等编程语言

MapReduce实现复杂查询逻辑开发难度太大

使用Hive处理数据的好处

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)

底层执行MapReduce，可以完成分布式海量数据的SQL处理

总结

模拟实现Hive功能

如果让您设计Hive这款软件，要求能够实现

1.用户只编写sql语句

2.Hive自动将sql转换MapReduce程序并提交运行

3.处理位于HDFS上的结构化数据。

如何实现?

元数据管理

解析器

基础架构

Hive是否也包含了这两个组件?

Hive基础架构

元数据存储

通常是存储在关系数据库如 mysql/derby中。Hive 中的元数据包括表的名字，表的列和分区及其属性，表的属性(是否为外部表等)，表的数据所在目录等。

Hive提供了 Metastore 服务进程提供元数据管理功能

Driver驱动程序,包括语法解析器、计划编译器、优化器、执行器

完成 HQL 查询语句从词法分析、语法分析、编译、优化以及查询计划的生成。生成的查询计划存储在 HDFS 中，并在随后有执行引擎调用执行。

这部分内容不是具体的服务进程，而是封装在Hive所依赖的Jar文件即Java代码中。

用户接口

包括 CLI、JDBC/ODBC、WebGUl。其中，CLl(command line interface)为shell命令行:Hive中的Thrift服务器允许外部客户端通过网络与Hive进行交互，类似于JDBC或ODBC协议。WebGUl是通过浏览器访问Hive。

-- Hive提供了 Hive Shell、ThriftServer等服务进程向用户提供操作接口

Hive部署

Hive是分布式运行的框架还是单机运行的?

Hive是单机工具，只需要部署在一台服务器即可。

Hive虽然是单机的，但是它可以提交分布式运行的MapReduce

程序运行。

规划

我们知道Hive是单机工具后，就需要准备一台服务器供Hive使用即可。

同时Hive需要使用元数据服务，即需要提供一个关系型数据库，我们也选择一台服务器安装关系型数据库即可

步骤一:安装MySQL数据库

# 更新密钥
rpm --import https://repo.mysql.com/RPM-GPG-KEY-mysql-2022

# 安装Mysql yum库
rpm -Uvh http://repo.mysql.com//mysql57-community-release-el7-7.noarch.rpm

更换yum源为阿里源可加快下载速度

# yum安装Mysql
yum -y install mysql-community-server

# 启动Mysql设置开机启动
systemctl start mysqld
systemctl enable mysqld

# 检查Mysql服务状态
systemctl status mysqld

第一次启动mysql，会在日志文件(/var/log/mysqld.log)中生成root用户的一个随机密码，使用下面命令查看该密码

cat  /var/log/mysqld.log | grep 'password'

# 修改root用户密码
mysql -uroot -p 

# 如果你想设置简单密码，需要降低Mysql的密码安全级别
 # 密码安全级别低

set global validate_password_policy=LOW;

# 密码长度最低4位即可
set global validate_password_length=4;    

# 然后就可以用简单密码了（课程中使用简单密码，为了方便，生产中不要这样）
ALTER USER 'root'@'localhost' IDENTIFIED BY '123456';

#设置远程密码

grant all privileges on *.* to root@"%" identified by '123456' with grant option;  

#刷新权限
flush privileges;

步骤二:配置Hadoop

Hive的运行依赖于Hadoop（HDFS、MapReduce、YARN都依赖）

同时涉及到HDFS文件系统的访问，所以需要配置Hadoop的代理用户

即设置hadoop用户允许代理（模拟）其它用户

配置如下内容在Hadoop的core-site.xml中，并分发到其它节点，且重启HDFS集群

 <property>
    <name>hadoop.proxyuser.hadoop.groups</name>
    <value>*</value>
 </property>

 <property>
    <name>hadoop.proxyuser.hadoop.hosts</name>
    <value>*</value>
 </property>

步骤三:下载解压Hive

•切换到hadoop用户

su - hadoop

•下载Hive安装包：

http://archive.apache.org

•解压到node1服务器的：/export/server/内

tar -zxvf apache-hive-3.1.3-bin.tar.gz -C /export/server/

•设置软连接

ln -s /export/server/apache-hive-3.1.3-bin /export/server/hive

步骤四:提供 MySQL Driver 包

•下载MySQL驱动包：

https://repo1.maven.org/maven2/mysql/mysql-connector-java/5.1.34/mysql-connector-java-5.1.34.jar

•将下载好的驱动jar包，放入：Hive安装文件夹的lib目录内

mv mysql-connector-java-5.1.34.jar /export/server/hive/lib/

步骤五:配置Hive

使用mv命令把hive-env.sh.template文件改名为hive-env.sh

•在Hive的conf目录内，新建hive-env.sh文件，填入以下环境变量内容：

export HADOOP_HOME=/export/server/hadoop

export HIVE_CONF_DIR=/export/server/hive/conf

export HIVE_AUX_JARS_PATH=/export/server/hive/lib

•在Hive的conf目录内，新建hive-site.xml文件，填入以下内容：

<configuration>
  <property>
    <name>javax.jdo.option.ConnectionURL</name>
    <value>jdbc:mysql://node1:3306/hive?createDatabaseIfNotExist=true&amp;useSSL=false&amp;useUnicode=true&amp;characterEncoding=UTF-8</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.server2.thrift.bind.host</name>
    <value>node1</value>
  </property>

  <property>
    <name>hive.metastore.uris</name>
    <value>thrift://node1:9083</value>
  </property>

  <property>
    <name>hive.metastore.event.db.notification.api.auth</name>
    <value>false</value>
  </property>

</configuration>

步骤六:初始化元数据库

支持，Hive的配置已经完成，现在在启动Hive前，需要先初始化Hive所需的元数据库。

•在MySQL中新建数据库：hive

CREATE DATABASE hive CHARSET UTF8;

•执行元数据库初始化命令：

cd /export/server/hive

bin/schematool -initSchema -dbType mysql -verbos

初始化成功后，会在MySQL的hive库中新建74张元数据管理的表。

步骤七:启动Hive(使用hadoop用户)

•确保Hive文件夹所属为hadoop用户

chown -R hadoop:hadoop apache-hive-3.1.3-bin hive

•切换到hadoop用户,创建一个hive的日志文件夹：

mkdir /export/server/hive/logs

•启动元数据管理服务（必须启动，否则无法工作）

前台启动：bin/hive --service metastore

后台启动：nohup bin/hive --service metastore >> logs/metastore.log 2>&1 &

•启动客户端，二选一（当前先选择Hive Shell方式）

Hive Shell方式（可以直接写SQL）： bin/hive

Hive ThriftServer方式（不可直接写SQL，需要外部客户端链接使用）： bin/hive --service hiveserver2

记得要把HDFS和YARN启动了

这样就成功了