Hive

一、Hive的基本概念

1.1什么是Hive

 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。本质是：将HQL转化成MapReduce程序
 使用场景：用于逻辑简单的数据分析
（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
  hive  主要做两件事情：1.给数据文件添加元数据映射成表 2.将HQL转化成MapReduce程序进行计算    不做存储  也不做计算

1.2Hive的优缺点

1.2.1Hive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。
 （3）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。
 （4）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。

1.2.1Hive的缺点

     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
     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。

1.3 Hive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 （hive添加的元数据存储在metastore中）
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
          解析器（SQL Parser）：会将sql拆解成一个一个的sql片段
          编译器（Physical Plan）：将一个一个的sql片段翻译成标准化的mapreduce程序并组合起来，这个时候sql已经被翻译成mapreduce程序了。 
          优化器（Query Optimizer）：对逻辑执行计划进行优化。上述的MR程序非常糙，并精简合并，去重。
          执行器（Execution）：将mapreduce程序/spark程序提交到yarn上执行
   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。

二、HIve安装

2.1Hive官网地址 ： http://hive.apache.org/

2.2 使用脚本卸载自带的Mysql-libs（如果之前安装过mysql，要全都卸载掉）

  cd /opt/software下，上传 remove_mysql.sh脚本
  脚本内容如下：
  #!/bin/bash
  service mysql stop 2>/dev/null
  service mysqld stop 2>/dev/null
  rpm -qa | grep -i mysql | xargs -n1 rpm -e --nodeps 2>/dev/null
  rpm -qa | grep -i mariadb | xargs -n1 rpm -e --nodeps 2>/dev/null
  rm -rf /var/lib/mysql
  rm -rf /var/log/mysqld.log
  rm -rf /usr/lib64/mysql
  rm -rf /etc/my.cnf
  rm -rf /usr/my.cnf
  执行 sudo  bash remove_mysql.sh

2.2 安装lib包

  sudo yum install libaio

2.2 将安装包和JDBC驱动上传到/opt/software，共计6个

2.3 安装mysql（安装有先后顺序，1-5依次安装）

  1)安装mysql依赖(前三个)
     sudo rpm -ivh 01_mysql-community-common-5.7.29-1.el7.x86_64.rpm
     sudo rpm -ivh 02_mysql-community-libs-5.7.29-1.el7.x86_64.rpm
     sudo rpm -ivh 03_mysql-community-libs-compat-5.7.29-1.el7.x86_64.rpm
  2）安装mysql-client
     sudo rpm -ivh 04_mysql-community-client-5.7.29-1.el7.x86_64.rpm
  3）安装mysql-server
     sudo rpm -ivh 05_mysql-community-server-5.7.29-1.el7.x86_64.rpm
  也可以直接 cd /opt/software 目录下 ls *.rpm | xargs -n1 sudo rpm -ivh  全部直接安装。
  4）启动mysql
     sudo systemctl start mysqld
  5）查看mysql状态
     sudo systemctl status mysqld
  6）查看mysql密码
     sudo cat /var/log/mysqld.log | grep password

2.4 配置MySql

  配置只要是root用户+密码，在任何主机上都能登录MySQL数据库
 1）用刚刚查到的密码进入mysql（如果报错，给密码加单引号）
   [atguigu@hadoop102 software]$ mysql -uroot -p’password’
  2）设置复杂密码(由于mysql密码策略，此密码必须足够复杂)
  mysql> set password=password("Qs23=zs32");
  3）更改mysql密码策略
  mysql> set global validate_password_length=4;
  mysql> set global validate_password_policy=0;
  4）设置简单好记的密码
  mysql> set password=password("000000");
  5）进入msyql库
  mysql> use mysql
  6）查询user表
  mysql> select user, host from user;
  7）修改user表，把Host表内容修改为%
  mysql> update user set host="%" where user="root";
  8）刷新
  mysql> flush privileges;
  9）退出
  mysql> quit;

2.5 Hive安装部署

  1）把apache-hive-3.1.2-bin.tar.gz上传到linux的/opt/software目录下
  2）解压apache-hive-3.1.2-bin.tar.gz到/opt/module/目录下面
  [atguigu@hadoop102 software]$ tar -zxvf /opt/software/apache-hive-3.1.2-bin.tar.gz -C /opt/module/
  3）修改apache-hive-3.1.2-bin.tar.gz的名称为hive
  [atguigu@hadoop102 software]$ mv /opt/module/apache-hive-3.1.2-bin/ /opt/module/hive
  4）修改/etc/profile.d/my_env.sh，添加环境变量
  [atguigu@hadoop102 software]$ sudo vim /etc/profile.d/my_env.sh
  5）添加内容
  #HIVE_HOME
  export HIVE_HOME=/opt/module/hive
  export PATH=$PATH:$HIVE_HOME/bin
  重启Xshell对话框使环境变量生效
  6）解决日志Jar包冲突
  [atguigu@hadoop102 software]$ mv $HIVE_HOME/lib/log4j-slf4j-impl-2.10.0.jar $HIVE_HOME/lib/log4j-slf4j-impl-2.10.0.bak

2.6 Hive元数据配置到MySql

  1)拷贝驱动
  将MySQL的JDBC驱动拷贝到Hive的lib目录下（配置完成之后hive就能访问mysql了）
  [atguigu@hadoop102 software]$ cp /opt/software/mysql-connector-java-5.1.48.jar $HIVE_HOME/lib
  2)配置Metastore到MySql
   在$HIVE_HOME/conf目录下新建hive-site.xml文件
   [atguigu@hadoop102 software]$ vim $HIVE_HOME/conf/hive-site.xml
   内容如下：

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
    <property>
        <name>javax.jdo.option.ConnectionURL</name>
        <value>jdbc:mysql://hadoop102:3306/metastore?useSSL=false</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>000000</value>
    </property>

    <property>
        <name>hive.metastore.warehouse.dir</name>
        <value>/user/hive/warehouse</value>
    </property>

    <property>
        <name>hive.metastore.schema.verification</name>
        <value>false</value>
    </property>

    <property>
        <name>hive.metastore.uris</name>
        <value>thrift://hadoop102:9083</value>
    </property>

    <property>
    <name>hive.server2.thrift.port</name>
    <value>10000</value>
    </property>

    <property>
        <name>hive.server2.thrift.bind.host</name>
        <value>hadoop102</value>
    </property>

    <property>
        <name>hive.metastore.event.db.notification.api.auth</name>
        <value>false</value>
    </property>
<property>
        <name>hive.server2.active.passive.ha.enable</name>
        <value>true</value>
</property>
    <property>
        <name>hive.cli.print.header</name>
        <value>true</value>
    </property>

    <property>
        <name>hive.cli.print.current.db</name>
        <value>true</value>
    </property>
</configuration>

2.7 启动Hive

2.7.1 初始化元数据库

   1）登陆MySQL
  [atguigu@hadoop102 software]$ mysql -uroot -p000000
  2）新建Hive元数据库
  mysql> create database metastore;
  mysql> quit;
  3）初始化Hive元数据库（metastore）
  [atguigu@hadoop102 software]$ schematool -initSchema -dbType mysql -verbose

2.7.2 启动metastore和hiveserver2

     1）Hive 2.x以上版本，要先启动这两个服务，否则会报错：
      FAILED: HiveException java.lang.RuntimeException: Unable to instantiate org.apache.hadoop.hive.ql.metadata.SessionHiveMetaStoreClient
     2）编写hive服务启动脚本
     [atguigu@hadoop102 software]$ vim $HIVE_HOME/bin/hiveservices.sh
      脚本内容如下：

#!/bin/bash
HIVE_LOG_DIR=$HIVE_HOME/logs

mkdir -p $HIVE_LOG_DIR

#检查进程是否运行正常，参数1为进程名，参数2为进程端口
function check_process()
{
    pid=$(ps -ef 2>/dev/null | grep -v grep | grep -i $1 | awk '{print $2}')
    ppid=$(netstat -nltp 2>/dev/null | grep $2 | awk '{print $7}' | cut -d '/' -f 1)
    echo $pid
    [[ "$pid" =~ "$ppid" ]] && [ "$ppid" ] && return 0 || return 1
}

function hive_start()
{
    metapid=$(check_process HiveMetastore 9083)
    cmd="nohup hive --service metastore >$HIVE_LOG_DIR/metastore.log 2>&1 &"
    cmd=$cmd" sleep 4; hdfs dfsadmin -safemode wait >/dev/null 2>&1"
    [ -z "$metapid" ] && eval $cmd || echo "Metastroe服务已启动"
    server2pid=$(check_process HiveServer2 10000)
    cmd="nohup hive --service hiveserver2 >$HIVE_LOG_DIR/hiveServer2.log 2>&1 &"
    [ -z "$server2pid" ] && eval $cmd || echo "HiveServer2服务已启动"
}

function hive_stop()
{
    metapid=$(check_process HiveMetastore 9083)
    [ "$metapid" ] && kill $metapid || echo "Metastore服务未启动"
    server2pid=$(check_process HiveServer2 10000)
    [ "$server2pid" ] && kill $server2pid || echo "HiveServer2服务未启动"
}

case $1 in
"start")
    hive_start
    ;;
"stop")
    hive_stop
    ;;
"restart")
    hive_stop
    sleep 2
    hive_start
    ;;
"status")
    check_process HiveMetastore 9083 >/dev/null && echo "Metastore服务运行正常" || echo "Metastore服务运行异常"
    check_process HiveServer2 10000 >/dev/null && echo "HiveServer2服务运行正常" || echo "HiveServer2服务运行异常"
    ;;
*)
    echo Invalid Args!
    echo 'Usage: '$(basename $0)' start|stop|restart|status'
    ;;
esac

      3)添加执行权限
       [atguigu@hadoop102 software]$ chmod +x $HIVE_HOME/bin/hiveservices.sh
      4）启动Hive后台服务
        [atguigu@hadoop102 software]$ hiveservices.sh start
        free -h 
        netstat -nltp | grep 10000
        tcp6       0      0 :::10000                :::*                    LISTEN      4502/java

2.8 HiveJDBC访问

  一、启动beeline客户端
  [atguigu@hadoop102 software]$ beeline -u jdbc:hive2://hadoop102:10000 -n atguigu
  2）看到如下界面
  Connecting to jdbc:hive2://hadoop102:10000
  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://hadoop102:10000>
   3）客户端常用命令
    退出hive窗口   !quit;
    在hive cli命令窗口中查看hdfs文件系统   dfs -ls /;
    查看在hive中输入的所有历史命令      cd 进入到当前用户的根目录/root或/home/atguigu  查看history文件  cat .beeline/history
  二、Dbeaver 客户端连接或者idea连接 

2.9 Hive常见属性配置

2.9.1 Hive运行日志信息配置

     1）Hive的log默认存放在/tmp/atguigu/hive.log目录下（当前用户名下）
        2）修改hive的log存放日志到/opt/module/hive/logs
  （1）修改/opt/module/hive/conf/hive-log4j.properties.template文件名称为
  hive-log4j.properties
  [atguigu@hadoop102 conf]$ pwd
  /opt/module/hive/conf
  [atguigu@hadoop102 conf]$ mv hive-log4j.properties.template hive-log4j.properties
  （2）在hive-log4j.properties文件中修改log存放位置
  hive.log.dir=/opt/module/hive/logs
  (3)重启hive 
  hiveservices.sh restart