Hive——安装以及概述

一、hive的安装

注意:安装hive的前提要安装好MySQL和Hadoop

Hadoop安装:https://www.cnblogs.com/lmandcc/p/15306163.html

MySQL的安装:https://www.cnblogs.com/lmandcc/p/15224657.html

 

安装hive首先需要启动Hadoop

 

1、解压hive的安装包
tar -zxvf apache-hive-1.2.1-bin.tar.gz

修改下目录名称
mv apache-hive-1.2.1-bin hive-1.2.1

2、备份配置文件

cd /usr/local/soft/hive-1.2.1/conf
cp hive-env.sh.template hive-env.sh
cp hive-default.xml.template hive-site.xml

3、修改配置文件
vim hive.env.sh
新加三行配置(路径不同就更具实际情况来):
    HADOOP_HOME=/usr/local/soft/hadoop-2.7.6
    JAVA_HOME=/usr/local/soft/jdk1.8.0_171
    HIVE_HOME=/usr/local/soft/hive-1.2.1

4、修改配置文件
vim hive-site.xml
修改对应的配置参数(注意:是修改不是添加)

 1 <property>
 2                     <name>javax.jdo.option.ConnectionURL</name>
 3                     <value>jdbc:mysql://master:3306/hive?characterEncoding=UTF-8&amp;createDatabaseIfNotExist=true&amp;useSSL=false</value>
 4                 </property>
 5                 <property>
 6                     <name>javax.jdo.option.ConnectionDriverName</name>
 7                     <value>com.mysql.jdbc.Driver</value>
 8                 </property>
 9                 <property>
10                     <name>javax.jdo.option.ConnectionUserName</name>
11                     <value>root</value>
12                 </property>
13                 <property>
14                     <name>javax.jdo.option.ConnectionPassword</name>
15                     <value>123456</value>
16                 </property>
17                 <property>
18                     <name>hive.querylog.location</name>
19                     <value>/usr/local/soft/hive-1.2.1/tmp</value>
20                 </property>
21                 <property>
22                     <name>hive.exec.local.scratchdir</name>
23                     <value>/usr/local/soft/hive-1.2.1/tmp</value>
24                 </property>
25                 <property>
26                     <name>hive.downloaded.resources.dir</name>
27                     <value>/usr/local/soft/hive-1.2.1/tmp</value>
28                 </property>


5、复制mysql连接工具包到hive/lib
cd /usr/local/soft/hive-1.2.1
cp /usr/local/moudle/mysql-connector-java-5.1.49.jar /usr/local/soft/hive-1.2.1/lib/

6、删除hadoop中自带的jline-2.12.jar位置在/usr/local/soft/hadoop-2.7.6/share/hadoop/yarn/lib/jline-2.12.jar
rm -rf /usr/local/soft/hadoop-2.7.6/share/hadoop/yarn/lib/jline-2.12.jar
7、把hive自带的jline-2.12.jar复制到hadoop中 hive中所在位置 /usr/local/soft/hive-1.2.1/lib/jline-2.12.jar
cp /usr/local/soft/hive-1.2.1/lib/jline-2.12.jar /usr/local/soft/hadoop-2.7.6/share/hadoop/yarn/lib/
8、启动
hive

 

二、hive的概述

 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。

 

Hive 是建立在 Hadoop 上的数据仓库基础构架。它提供了一系列的工具,可以用来进行数据提取转化加载(ETL ),这是一种可以存储、查询和分析存储在 Hadoop 中的大规模数据的机制。Hive 定义了简单的类 SQL 查询语言,称为 HQL ,它允许熟悉 SQL 的用户查询数据。同时,这个语言也允许熟悉 MapReduce 开发者的开发自定义的 mapper 和 reducer 来处理内建的 mapper 和 reducer 无法完成的复杂的分析工作。

数据仓库,英文名称为Data Warehouse,可简写为DW或DWH。数据仓库,是为企业所有级别的决策制定过程,提供所有类型数据支持的战略集合。它出于分析性报告和决策支持目的而创建。为需要业务智能的企业,提供指导业务流程改进、监视时间、成本、质量以及控制。

 

 

2、Hive本质:将HQL转化成MapReduce程序

 

 

 

1Hive处理的数据存储在HDFS

2Hive分析数据底层的实现是MapReduce

3执行程序运行在Yarn

 3、hive的优点

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

3Hive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

4Hive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

5Hive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

4、hive的缺点

 

1HiveHQL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。

 

2Hive的效率比较低

 

1Hive自动生成的MapReduce作业,通常情况下不够智能化

 

2Hive调优比较困难,粒度较粗

 

 

5、Hive架构原理

 

 

 

 

 

 1用户接口:Client

 

CLIcommand-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

 

3Hadoop

 

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

 

 

 

 

 

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。

 

6、Hive与传统数据库比较

 

1. 查询语言。类 SQL 的查询语言 HQL。熟悉 SQL 开发的开发者可以很方便的使用 Hive 进行开发。

2. 数据存储位置。所有 Hive 的数据都是存储在 HDFS 中的。而数据库则可以将数据保存在块设备或者本地文件系统中。

3. 数据格式。Hive 中没有定义专门的数据格式。而在数据库中,所有数据都会按照一定的组织存储,因此,数据库加载数据的过程会比较耗时。

4. 数据更新。Hive 对数据的改写和添加比较弱化,0.14版本之后支持,需要启动配置项。而数据库中的数据通常是需要经常进行修改的。

5. 索引。Hive 在加载数据的过程中不会对数据进行任何处理。因此访问延迟较高。数据库可以有很高的效率,较低的延迟。由于数据的访问延迟较高,决定了 Hive 不适合在线数据查询。

6. 执行计算。Hive 中执行是通过 MapReduce 来实现的而数据库通常有自己的执行引擎。

7. 数据规模。由于 Hive 建立在集群上并可以利用 MapReduce 进行并行计算,因此可以支持很大规模的数据;对应的,数据库可以支持的数据规模较小。

 

 

 

 

 

 

posted @ 2021-09-26 14:53  lmandcc  阅读(92)  评论(0编辑  收藏  举报