CentOS 7.7 安装 Hive 3.1.2

偏执的太偏执、 2022-10-20 14:59 193阅读 0赞

### 本文目录 ###

*  1.前提
 *  2.Hive安装
 *   *  Ⅰ.下载tar.gz包
     *  Ⅱ.环境变量配置
     *  Ⅲ.初始化元数据库
     *  Ⅳ.Hive 元数据配置到 MySQL
     *   *  1.准备MySQL的JDBC驱动
         *  2.将驱动拷贝到 Hive 的 lib 目录下
         *  3.配置 Metastore 到 MySQL
         *  4.在MySQL中创建 metastore数据库
         *  5.初始化 Hive 元数据库（MySQL）
 *  3.启动Hive客户端(命令行方式启动)
 *   *  Ⅰ.Hive日志所在目录
     *  Ⅱ.bin 目录命令介绍
 *  4.其他方式访问 Hive
 *   *  4.1 使用 Metastore 方式访问 Hive
     *  4.2 使用 JDBC 方式访问 Hive（beeline客户端访问）
 *  5.Hive 服务启动脚本
 *   *  Ⅰ.编写脚本
     *  Ⅱ.脚本方式启动服务(MetaStore + hiveserver2服务)
     *  Ⅲ.打印当前 库 和 表头

本文开篇，附 Hive 相关内容地址：

> Hive官网：[http://hive.apache.org][http_hive.apache.org]  
> Hive官方参考文档：[https://cwiki.apache.org/confluence/display/Hive/GettingStarted][https_cwiki.apache.org_confluence_display_Hive_GettingStarted]  
> Hive各版本下载地址：[http://archive.apache.org/dist/hive][http_archive.apache.org_dist_hive]  
> Hive GitHub地址：[https://github.com/apache/hive][https_github.com_apache_hive]

# 1.前提 #

hive 安装之前，需要以 Hadoop 集群为前提，Hive 是执行在 Hadoop集群上的。Hadoop集群安装，参考：

1.  [CentOS 7.7 安装 Hadoop 2.10.1集群][CentOS 7.7 _ Hadoop 2.10.1]
2.  [CentOS 7.7 安装 Hadoop 3.1.3集群][CentOS 7.7 _ Hadoop 3.1.3]
3.  [Hadoop HA版集群安装(待补充) ][Hadoop HA_]
4.  [已安装好的 MySQL数据库，可参考：CentOS 6.2 安装 MySQL 5.7.28][MySQL_CentOS 6.2 _ MySQL 5.7.28]
5.  Hadoop集群部署配置信息如下：

<table> 
 <thead> 
  <tr> 
   <th></th> 
   <th>hadoop201<br>(192.168.204.201)</th> 
   <th>hadoop202<br>(192.168.204.202)</th> 
   <th>hadoop203<br>(192.168.204.203)</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>HDFS</td> 
   <td><code>NameNode</code> <br>DataNode</td> 
   <td><br>DataNode</td> 
   <td>SecondaryNameNode<br>DataNode</td> 
  </tr> 
  <tr> 
   <td>YARN</td> 
   <td><br>NodeManager</td> 
   <td><code>ResourceManager</code><br>NodeManager</td> 
   <td><br>NodeManager</td> 
  </tr> 
 </tbody> 
</table>

# 2.Hive安装 #

## Ⅰ.下载tar.gz包 ##

下载：[apache-hive-3.1.2-bin.tar.gz ][apache-hive-3.1.2-bin.tar.gz]，本文 Hive 安装至 `/opt/module/`目录下。将下载好的 `hive.tar.gz` 上传至 Linux 服务器，使用命令 `tar -zxvf apache-hive-3.1.2-bin.tar.gz -C /opt/module/` 解压缩至指定目录下。同时重命名为 `hive`。  
![在这里插入图片描述][2021051814161247.png]

## Ⅱ.环境变量配置 ##

> 备注：my\_env.sh 是我们自定义的一个文件，在该文件中可编辑我们自己需要的环境变量，这样可与系统默认的环境变量区分开，也方便编写。环境变量的配置方式有如下几种方式，参考：[Linux设置全局变量][Linux]

修改`/etc/profile.d/my_env.sh`，添加环境变量，如图所示【本机已配置好jdk、Hadoop】  
![在这里插入图片描述][20210518142142402.png]

#HIVE_HOME
    export HIVE_HOME=/opt/module/hive
    export PATH=$PATH:$HIVE_HOME/bin

> **解决日志 Jar 包冲突问题**（这一步可有可无，不影响使用）  
>  
> 
>     mv $HIVE_HOME/lib/log4j-slf4j-impl2.10.0.jar $HIVE_HOME/lib/log4j-slf4j-impl-2.10.0.bak

## Ⅲ.初始化元数据库 ##

Hive中元数据，默认存储在 Derby 中。使用如下命令，初始化 Derby 元数据。（由于Derby数据库的缺陷，本文选择 MySQL进行元数据存储，本步可省略）

bin/schematool -dbType derby -initSchema

> **由于Derby数据库存在如下2个缺点，所以，需要将 Derby 换成 MySQL 来存储元数据**
> 
> 1.  Derby中的数据没有可视化界面，不方便数据的查看
> 2.  Derby 默认是单用户模式，只支持一个用户使用 。

初始化元数据库后，便可以通过 bin/hive 命令方式登录。`此处选择 MySQL 作为 Hive元数据库`，继续向下看

## Ⅳ.Hive 元数据配置到 MySQL ##

### 1.准备MySQL的JDBC驱动 ###

下载对应版本 MySQL的 JDBC 驱动包，本文使用 MySQL版本为：5.7.28，使用 mysql-connector-java-5.1.37.jar 驱动包，下载地址：[https://mvnrepository.com/artifact/mysql/mysql-connector-java/5.1.37][https_mvnrepository.com_artifact_mysql_mysql-connector-java_5.1.37]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6YjM0ODExMDE3NQ_size_16_color_FFFFFF_t_70]

### 2.将驱动拷贝到 Hive 的 lib 目录下 ###

> **cp** /xxx/mysql-connector-java5.1.37.jar **$HIVE\_HOME/lib**

![在这里插入图片描述][20210518145528195.png]

### 3.配置 Metastore 到 MySQL ###

Hive 的 conf 目录下都是相关配置文件。Hive 中的配置文件是 `hive-default.xml`，这个文件中包含hive所有的默认配置，里面的配置贼多，不方便查看。

我们可以在 conf 目录下，vim 方式自定义一个 `hive-site.xml`文件，Hive在启动时会动态的去加载 hive-site.xml 中自定义的配置信息，该文件就是用户自定义的一个配置文件，类似于 hdfs-site.xml 。

<?xml version="1.0"?>
    <?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
    <configuration>
    	
    	<property>
    		<name>javax.jdo.option.ConnectionURL</name>
    		<value>jdbc:mysql://hadoop201:3306/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>111111</value>
    	</property>
    	 
    	<property>
    		<name>hive.metastore.schema.verification</name>
    		<value>false</value>
    	</property>
    	 
    	<property>
    		<name>hive.metastore.event.db.notification.api.auth</name>
    		<value>false</value>
    	</property>
    	
    	<property>
    		<name>hive.metastore.warehouse.dir</name>
    		<value>/user/hive/warehouse</value>
    	</property>
    </configuration>

### 4.在MySQL中创建 metastore数据库 ###

进入数据库，使用命令创建 metastore 数据库

> **create database metastore;**

![在这里插入图片描述][20210518150949929.png]

### 5.初始化 Hive 元数据库（MySQL） ###

> **命令：** bin/schematool -initSchema -dbType mysql -verbose  (-verbose 是显示详情的意思，可省略)

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6YjM0ODExMDE3NQ_size_16_color_FFFFFF_t_70 1]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6YjM0ODExMDE3NQ_size_16_color_FFFFFF_t_70 2]

# 3.启动Hive客户端(命令行方式启动) #

> **注意：** 因为 Hive 依赖于HDFS、MapReduce、Yarn的。所以需要先启动Hadoop集群  
> ![在这里插入图片描述][20210518152003545.png]  
> **注意：** 在此处会有这样一段提示信息  
> 【Hive-on-MR is deprecated in Hive 2 and may not be available in the future versions. Consider using a different execution engine (i.e. spark, tez) or using Hive 1.X releases.】 **即：Hive-on-MR 在Hive2.x版本已经过期在未来或许会不可用，建议使用spark、tez。**  
>    
> 附：[Hive安装 Tez 引擎][Hive_ Tez]  
>    
> **判断 Hive 安装是否成功**  
> ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6YjM0ODExMDE3NQ_size_16_color_FFFFFF_t_70 3]

## Ⅰ.Hive日志所在目录 ##

如果在配置时，没有修改 hive 日志打印位置，默认是在 `/tmp/当前用户名/hive.log` 目录下  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6YjM0ODExMDE3NQ_size_16_color_FFFFFF_t_70 4]  
**Hive如何配置日志路径**

1.  进入到 hive 的 conf 目录下；
2.  将 `hive-log4j2.properties.template` 文件名修改为 `hive-log4j2.properties`
3.  vim 打开文件
4.  修改 property.hive.log.dir = `/opt/module/hive/logs` (日志文件路径)  
    ![在这里插入图片描述][20210518153913985.png]  
    **修改后日志所在路径，如下图：**  
    ![在这里插入图片描述][20210518154108110.png]

## Ⅱ.bin 目录命令介绍 ##

![在这里插入图片描述][20210518152416589.png]

> 1.**schematool** 初始化元数据 命令  
>    
> 2.**hive** 在本地启动一个 hive 客户端  
>    
> 3.以下两个是通过JDBC方式来访问Hive使用的  
>  **hiveserver2** 服务端  
>  **beeline** 客户端

# 4.其他方式访问 Hive #

通过 `bin/hive` 命令行方式连接 Hive客户端，这种方式只能在Linux客户端使用 Hive。

如果我们需要在 IDEA、第三方框架中使用 Hive，此时就完全不能够使用。Hive也没有启动任何服务，也没有启任何端口，外部服务第三方框架如果要想去操作 Hive，此时就没法来连接了。（之前要连Hadoop，连接 NameNode 就可以，要连接Yarn，连接 ResourceManager 即可，起码都有一个端口可以去允许连接，这种情况下只能在Linux客户端进行使用，如果要第三方框架用 Hive 进行一些数据处理，不好意思，用不了！！！）

## 4.1 使用 Metastore 方式访问 Hive ##

除了 Linux 通过 `bin/hive` 方式连接到 Hive客户端，`第二种连接方式，就是给 Hive 启动一个元数据服务`，如果第三方想要使用，将第三方连接到元数据服务，即可连接到 Hive 的服务。（因为元数据中存储着数据输在的位置，映射等内容，只要能够连接到元数据，就能够找到数据所在位置，即可使用 Hive 服务了）具体配置如下：

> 1.**在 hive-site.xml 中添加如下配置，指定元数据服务地址**
> 
>     
>     <property>
>     	<name>hive.metastore.uris</name>
>     	<value>thrift://hadoop201:9083</value>
>     </property>
> 
> 2.**启动 metastore 服务**  
>    
>   9083端口配置好后，就可以启动元数据服务，提供9083服务供三方等调用。  
>    
> 启动命令：**hive --service metastore**  
> ![在这里插入图片描述][20210518161946949.png]  
> **注意：元数据服务是一个前台进程，启动后会将当前窗口占用，导致当前窗口无法进行其他操作，后续可以将元数据服务以后台方式启动，继续向下看。**  
>    
> 3.**启动 bin/hive 客户端服务**  
>    
>   提供了9083端口，此时可以供三方调用元数据服务了。**如果配置了9083端口，但是没有启动元数据服务，那么通过 bin/hive 方式连接，前台显示连接hive成功，但是后台日志已经在报错，它会尝试去连接9083端口。配置了9083端口，bin/hive 就必须使用元数据服务的方式去连接，必须开启元数据服务。。**  
>    
>   这样有个好处，可能对本地服务启动比较麻烦点，每次都需要启动 metastore 元数据服务，但是对于第三方来说，就可以连接到 hive 的元数据服务了，就可以来使用 Hive了。这样就将 Hive 变成了一个服务，可供外界通过9083端口访问了。

## 4.2 使用 JDBC 方式访问 Hive（beeline客户端访问） ##

除使用 `Metastore 元数据服务`方式访问 Hive 外，在 Hive 中还提供了 JDBC 方式来连接。我们只需要给它一个Driver驱动、username、url 地址，也能连接到 Hive 上。

`在 Hive 中关于 JDBC 相关的服务，叫做 hiveserver2`，现在使用JDBC方式连接到 Hive，**除了 hiveserver2 需要启动，metastore元数据服务也得启动。**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6YjM0ODExMDE3NQ_size_16_color_FFFFFF_t_70 5]  
  启动一个 hiverserver2 服务，它会去调用 metastore 元数据服务，metastore 提供元数据再通过 JDBC 的方式，连接MySQL，Client 再通过 JDBC 方式，连接到 hiveserver2上。

`这个过程一共用到2个JDBC`。Client 连接 hiverserver2 使用的是 `Hive 的 JDBC 驱动`，metastore 通过 JDBC 连接MySQL数据库，使用的是 `MySQL 的 JDBC 驱动`。这样，客户端就可以通过发送SQL的方式，去一步步执行，有点绕。这块有两个地方需要 JDBC 的访问。

**具体配置如下：**

> 1.**在 hive-site.xml 中添加如下配置**
> 
>     
>     <property>
>     	<name>hive.server2.thrift.bind.host</name>
>     	<value>hadoop201</value>
>     </property>
>     
>     <property>
>     	<name>hive.server2.thrift.port</name>
>     	<value>10000</value>
>     </property>
> 
> 2.**启动 hiveserver2 服务**  
>    
>   10000端口配置好后，就可以启动 hiveserver2 服务  
>    
> 启动命令：**hive --service hiveserver2**  
> ![在这里插入图片描述][20210518173847549.png]
> 
> > **注意：元数据服务是一个前台进程，启动后会将当前窗口占用，导致当前窗口无法进行其他操作，后续可以将元数据服务以后台方式启动，继续向下看。**
> 
> > **提示：****开启hiveserver2服务，一共有2种方式**  
> >    
> > ①使用本身提供的命令 `bin/hiveserver2`  
> >   在 Hive 2.x 中，MR 引擎已经标记为过时，建议使用Spark、Tez 引擎。使用 bin/hiveserver2 方式启动，它会去校验2次，在日志中间会有2次报错，提示 Tez 相关class类找不到。报错并不会影响hive启动，找不到 Tez 后最终会使用 MR 引擎，只是说 2 次校验，需要等待的时间比较长。  
> >    
> > ②另一种方式，和启动元数据服务一样，通过命令 `hive --service hiveserver2` 启动  
> >   这种方式启动 hiveserver2 ，会校验1次。相对于校验 2次 来说，等待时间会比较短点。其他没啥任何区别。
> 
>    
> 3.**启动 beeline 客户端**  
>    
> 启动命令：**bin/beeline -u jdbc:hive2://hadoop201:10000 -n hadoop**   （-n 是 指定用户名，hiveserver2 没有密码）  
>    
>   **注意：** beeline通过上述命令，使用 hadoop 用户启动时，可能会报错 **hadoop is not allowed to impersonate hadoop**。原因是：hiveserver2增加了权限控制，需要在hadoop的配置文件中配置。**此时需要在 hadoop 的 core-site.xml 中，添加如下配置：**  
> 参考：[https://blog.csdn.net/zjh\_746140129/article/details/83153873][https_blog.csdn.net_zjh_746140129_article_details_83153873]
> 
>     
>     
>     <property>
>     	<name>hadoop.proxyuser.hadoop.hosts</name>
>     	<value>*</value>
>     </property>
>     <property>
>     	<name>hadoop.proxyuser.hadoop.groups</name>
>     	<value>*</value>
>     </property>
> 
> **注意：切记在修改core-site.xml后，一定要分发至集群其他节点上，并重启hadoop集群使其生效**  
>    
> **JDBC方式连接Hive成功，如图所示：**  
> ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6YjM0ODExMDE3NQ_size_16_color_FFFFFF_t_70 6]

# 5.Hive 服务启动脚本 #

命令`hive --service metastore`，启动 Metastore 元数据服务；命令`hive --service hiveserver2`，用来启动 hiveserver2 服务，但是这两个命令都是前台进程，前台进程会占用当前窗口导致我们无法操作，也没法关闭窗口。此时就需要将前台进程挂载到后台进程去运行。

前台启动的方式导致需要打开多个 shell 窗口，可以使用如下方式后台方式启动：

> **nohup**：放在命令开头，表示不挂起，`也就是关闭终端进程也继续保持运行状态`  
> **/dev/null**：是 Linux 文件系统中的一个文件，被称为黑洞，所有写入改文件的内容都会被自动丢弃  
> **2>&1** ：表示将错误重定向到标准输出上（Shell 中 0 是标准输入(键盘输入) 1、2 都是输出 1是标准输出 2是错误输出，标准输出和错误输出，默认都是输出在控制台上）  
> **&**：放在命令结尾，表示后台运行  
>    
> 一般会组合使用：nohup \[xxx 命令操作\]> file 2>&1 &，表示将 xxx 命令运行的结果输出到 file 中，并保持命令启动的进程在后台运行。  
>    
> 后台进程方式运行命令：  
>   **metastore服务**：nohup hive --service metastore 2>&1 &  
>   **hiveserver2服务**：nohup hive --service hiveserver2 2>&1 &   
>    
>   通过后台方式运行后，虽然会将当前窗口空出来，但是在需要关闭某个服务时，就不知道哪个端口到底对应哪个服务了。因为 hiveserver2、metastore、bin\\hive 启动的进程名都叫做 **RunJar**，这种方式关闭服务，如果不知道进程ID，就只能猜，还不是太方便。  
> ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6YjM0ODExMDE3NQ_size_16_color_FFFFFF_t_70 7]

## Ⅰ.编写脚本 ##

为了方便 Hive 服务的启停、使用，可以直接编写脚本来管理服务的启动和关闭。该脚本支持 4个参数，`start 启动服务，stop 关闭服务，restart 重启服务，status 查看启动服务状态`。脚本内容如下所示：

> 编写脚本：vim `$HIVE_HOME`/bin/**hiveservices.sh**  
> 添加执行权限：chmod +x `$HIVE_HOME`/bin/**hiveservices.sh**  
> 启动Hive服务：**hiveservices.sh start**

**脚本内容如下：**

#!/bin/bash
    HIVE_LOG_DIR=$HIVE_HOME/logs
    if [ ! -d $HIVE_LOG_DIR ]
    then
    	mkdir -p $HIVE_LOG_DIR
    fi
    #检查进程是否运行正常，参数 1 为进程名，参数 2 为进程端口
    function check_process(){ 
    	pid=$(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 &"
    	[ -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

## Ⅱ.脚本方式启动服务(MetaStore + hiveserver2服务) ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6YjM0ODExMDE3NQ_size_16_color_FFFFFF_t_70 8]

## Ⅲ.打印当前 库 和 表头 ##

在使用 `bin/hive` 进入 Hive 客户端后，我们只能看到一个 `hive>`这样一个标签，在进行一系列操作之后，然而1.我们并不知道目前所处在哪个库操作，2.在进行 select 查询时也不显示每一列代表什么字段，这样用起来也有些不是很方便，所以我们可以在 hive-site.xml 中对其进行配置，来显示库名 和 表头信息。

> 在 **hive-site.xml** 中，加入如下 2 个配置即可：
> 
>     
>     <property>
>     	<name>hive.cli.print.header</name>
>     	<value>true</value>
>     </property>
>     
>     <property>
>     	<name>hive.cli.print.current.db</name>
>     	<value>true</value>
>     </property>
> 
> 配置加入后，通过 `bin/hive` 进入客户端，便可以显示**1.当前所在库名**，在 select 查询时也就可以**2.显示每列的表头**了。  
> ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6YjM0ODExMDE3NQ_size_16_color_FFFFFF_t_70 9]

> 下一篇：[Hive 参数配置的三种方式][Hive]

--------------------

**博主写作不易，加个关注呗**

**求关注、求点赞，加个关注不迷路 ヾ(◍°∇°◍)ﾉﾞ**

**我不能保证所写的内容都正确，但是可以保证不复制、不粘贴。保证每一句话、每一行代码都是亲手敲过的，错误也请指出，望轻喷 Thanks♪(･ω･)ﾉ**

[http_hive.apache.org]: http://hive.apache.org/
[https_cwiki.apache.org_confluence_display_Hive_GettingStarted]: https://cwiki.apache.org/confluence/display/Hive/GettingStarted
[http_archive.apache.org_dist_hive]: http://archive.apache.org/dist/hive/
[https_github.com_apache_hive]: https://github.com/apache/hive
[CentOS 7.7 _ Hadoop 2.10.1]: https://blog.csdn.net/lzb348110175/article/details/109338656
[CentOS 7.7 _ Hadoop 3.1.3]: https://blog.csdn.net/lzb348110175/article/details/115477800
[Hadoop HA_]: https://www.baidu.com
[MySQL_CentOS 6.2 _ MySQL 5.7.28]: https://blog.csdn.net/lzb348110175/article/details/116986858
[apache-hive-3.1.2-bin.tar.gz]: http://archive.apache.org/dist/hive/hive-3.1.2/apache-hive-3.1.2-bin.tar.gz
[2021051814161247.png]: /images/20221020/01831146441f47a0b619ed6880bb2654.png
[Linux]: https://blog.csdn.net/lzb348110175/article/details/103584489
[20210518142142402.png]: /images/20221020/965dd3251e2148bbafa0f79f534d022c.png
[https_mvnrepository.com_artifact_mysql_mysql-connector-java_5.1.37]: https://mvnrepository.com/artifact/mysql/mysql-connector-java/5.1.37
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6YjM0ODExMDE3NQ_size_16_color_FFFFFF_t_70]: /images/20221020/8f2ce09bd62442bf8ee91a2e40631193.png
[20210518145528195.png]: /images/20221020/9da2411f9334451aba97adc03dcd9011.png
[20210518150949929.png]: /images/20221020/d71e59d3c6e04c9eb8bacaa0a07bf6e4.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6YjM0ODExMDE3NQ_size_16_color_FFFFFF_t_70 1]: /images/20221020/5866e7f637b84a5c8e2b33f01d416a87.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6YjM0ODExMDE3NQ_size_16_color_FFFFFF_t_70 2]: /images/20221020/455e887ee70848e9a2fd9e41b8313cb2.png
[20210518152003545.png]: /images/20221020/4caab374ff8c4f6ab520f00249075f25.png
[Hive_ Tez]: https://blog.csdn.net/lzb348110175/article/details/117817055
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6YjM0ODExMDE3NQ_size_16_color_FFFFFF_t_70 3]: /images/20221020/d0d2e2350b3340e78ad30787f7ff0d05.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6YjM0ODExMDE3NQ_size_16_color_FFFFFF_t_70 4]: /images/20221020/998a672afaba444284826aed18cdadcd.png
[20210518153913985.png]: /images/20221020/cc177409e16344c48f9d14655fa6f53e.png
[20210518154108110.png]: /images/20221020/83fe2b5a401241198b84293e906d4cf5.png
[20210518152416589.png]: /images/20221020/d203fb6382ff4ade97cdc224af4107ed.png
[20210518161946949.png]: /images/20221020/5d9edbda3176429493a970a78cf23d5f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6YjM0ODExMDE3NQ_size_16_color_FFFFFF_t_70 5]: /images/20221020/c517379632c740859812503935aea28c.png
[20210518173847549.png]: /images/20221020/111f090b702341b59ba4a43b50b57b8d.png
[https_blog.csdn.net_zjh_746140129_article_details_83153873]: https://blog.csdn.net/zjh_746140129/article/details/83153873
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6YjM0ODExMDE3NQ_size_16_color_FFFFFF_t_70 6]: /images/20221020/8dc28a7f059b428ebeb27dcfbaa28e4d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6YjM0ODExMDE3NQ_size_16_color_FFFFFF_t_70 7]: /images/20221020/b195370a9a5c43dfa8ddc020bf2a19ba.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6YjM0ODExMDE3NQ_size_16_color_FFFFFF_t_70 8]: /images/20221020/bee9df48f5394a598cc119b4f6a38d86.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x6YjM0ODExMDE3NQ_size_16_color_FFFFFF_t_70 9]: /images/20221020/5239520a823b48949c42d2d2e14764b6.png
[Hive]: https://blog.csdn.net/lzb348110175/article/details/117118351