hive(一) -- 简介和安装

朱雀 2024-03-16 11:18 50阅读 0赞

### 数据仓库 ###

数据仓库，英文名称为Data Warehouse，可简写为DW。是一个用于存储,分析,报告的数据系统.数据仓库的目的是构建**面向分析**的集成化数据环境,分析结果为企业提供决策支持.

### 数据库和数据仓库区别 ###

数据库和数据仓库的区别实际就是OLTP和OLAP的区别

OLTP系统的典型应用就是RDBMS,也就是我们俗称的数据库，当然这里要特别强调此数据库表示的是关系型数据库，Nosql数据库并不在讨论范围内.

OLAP系统的典型应用就是DW,也就是我们俗称的数据仓库。

![f98687fa543b3d2d9d08ca86bd70b5a5.png][]

1.  数据仓库不是大型的数据库，虽然数据仓库存储数据规模大。
2.  数据仓库的出现，并不是要取代数据库。
3.  数据库一般存储业务数据，数据仓库存储的一般是历史数据。
4.  数据库是为捕获数据而设计，数据仓库是为分析数据而设计

### hive ###

Apache Hive是一款建立在**Hadoop之上的开源数据仓库**系统，可以将存储在Hadoop文件中的**结构化、半结构化数据文件映射为一张数据库表**，基于表提供了一种类似SQL的查询模型，称为**Hive查询语言(HQL)**，用于访问和分析存储在Hadoop文件中的大型数据集。

Hive核心是将**HQL转换为MapReduce**程序，然后将程序提交到Hadoop群集执行。

Hive由Facebook实现并开源。

![2e1b1dec4a7fb5cb9b362a3b8daeb6ec.png][]

通过上图我们发现Hive其实就干了两件事,第一将数据映射成一张表,第二将SQL语句转换为MR程序.

**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)
    	避免直接写MapReduce，减少开发人员的学习成本
    	支持自定义函数，功能扩展很方便
    	背靠Hadoop，擅长存储分析海量数据集

**Hive和Hadoop的关系**

从功能来说，数据仓库软件，至少需要具备两种能力︰**存储数据的能力、分析数据的能力**

Apache Hive作为一款大数据时代的数据仓库软件，当然也具备上述两种能力。  
只不过Hive并不是自己实现了上述两种能力，而是借助Hadoop。  
Hive利用**HDFS存储数据**，利用**MapReduce查询分析数据。**  
Hive的最大的魅力在于用户专注于**编写HQL**,Hive帮您转换成为MapReduce程序完成对数据的分析。

### Hive的架构 ###

![bfc7f56172442927e3ac9f749c604b3d.png][]

**Metadata**:元数据(Metadata)，又称中介数据、中继数据，为描述数据的数据( data about data )，主要是描述数据属性( property )的信息，用来支持如指示存储位置、历史数据、资源查找、文件记录等功能。

**Hive Meatadata:**Hive的元数据。包含用Hive创建的database、table、表的位置、类型、属性，字段顺序类型等元信息。元数据存储在关系型数据库中。如hive内置的Derby、或者第三方如MySQL等。

**Metastore:**元数据服务。Metastore服务的作用是管理metadata元数据，对外暴露服务地址，让各种客户端通过连接metastore服务，由metastore再去连接MySQL数据库来存取元数据。有了metastore服务，就可以有多个客户端同时连接，而且这些客户端不需要知道MySQL数据库的用户名和密码，只需要连接metastore 服务即可。某种程度上也保证了hive元数据的安全。

### Hive与Mysql对比 ###

Hive虽然具有RDBMS数据库的外表，包括数据模型、SQL语法都十分相似，但应用场景却完全不同。Hive只适合用来做**海量数据的离线分析**。**Hive**的定位是数据仓库，面向分析的OLAP系统。因此时刻告诉自己，Hive**不是大型数据库**，也**不是要取代MySQL承担业务数据处理**。

![ce45b125216359055446ed05744d467e.png][]

### hive安装和部署 ###

由于Apache Hive是一款基于Hadoop的数据仓库软件，通常部署运行在Linux系统之上。因此不管使用何种方式配置Hive Metastore，必须要先保证服务器的基础环境正常，Hadoop集群健康可用。

**1.服务器的基础环境**

集群时间同步、防火墙关闭、主机Host映射、免密登录、JDK安装

**2.Hadoop集群健康可用**

启动Hive之前必须先启动Hadoop集群。特别要注意，需等待HDFS安全模式关闭之后再启动运行ive。
    Hive不是分布式安装运行的软件，其分布式的特性主要借由Hadoop完成。包括分布式存储、分布式计算。
    配置Hive操作Hadoop权限
    vi /opt/apps/hadoop-3.1.1/etc/hadoop/core-site.xml 
    
    <property>
        
        <name>dfs.permissions.enabled</name>
        <value>false</value>
    </property>
    
    <property>
        <name>hadoop.proxyuser.root.hosts</name>
        <value>*</value>
    </property>
    
    <property>
        <name>hadoop.proxyuser.root.groups</name>
        <value>*</value>
    </property>

**3.MySQL数据库准备**

因为我们使用远程连接模式,要把元数据存储到Mysql中.所以需要安装mysql并开启远程连接权限.
    Mysql安装我们已经安装完毕,没有安装详情参照Linux02课件.
    这里直接开启远程权限
    1.登录  mysql -uroot  -proot
    2.在mysql中设置允许简单密码
      set global validate_password_policy=0;
      set global validate_password_length=1;
    3.开放远程连接权限
      grant all privileges on *.* to 'root'@'%' identified by 'root' with grant option;
    4.刷新权限 
      flush privileges;
    
    这样就开启成功,开启成功后可以在windows上用图形化工具连接一下查看是否成功
    补充数据库修改密码命令 SET PASSWORD FOR 'root'@'linux01' = PASSWORD('root');

4.上传解压

将资料中的apache-hive-3.1.2.tar.gz上传到linux01的/opt/apps文件夹 可以使用rz命令或者xftp工具
    上传后进入到apps文件夹 进行解压
    tar -zxvf apache-hive-3.1.2.tar.gz
    解压后名称比较长 我们简单修改一下
    mv apache-hive-3.1.2-bin/ hive-3.1.2/
    
    如果hadoop版本比较高需要解决Hadoop和hive中guava版本差异(我们用的hadoop版本是3.1.1不需要修改)
    在hive的lib文件夹下 guava的jar包版本是19.0  
    而高版本的的hadoop的/opt/apps/hadoop-3.1.1/share/hadoop/common/lib
    下的guava包是27.0 
    可以删除hive下的guava 将hadoop的复制过来

**5.配置**  
**配置hive系统环境变量 让Hive命令可以在任意位置运行**

vi /etc/profile  
    export  JAVA_HOME=/opt/apps/jdk1.8.0_191
    export  HADOOP_HOME=/opt/apps/hadoop-3.1.1
    export  HIVE_HOME=/opt/apps/hive-3.1.2
    export  PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$HIVE_HOME/bin
    
    添加完毕后别忘记
    source /etc/profile

Hive总共有三种配置方式:内嵌模式,本地模式,远程模式. 三种方式主要区别在于Metastore是否需要单独启动,及Metadata存储在哪种数据库中.**我们主要使用的是远程模式,这也是企业中使用的模式.**

![744a66ebbffa97d20836c44bd37bfb0d.png][]

主要区别在于Metastare是不是需要单独启动? 内嵌模式和本地模式不需要单独启动  远程模式需要单独启动
    Metadata元数据信息保存在哪里? 内嵌模式保存在hive内置数据库中Derby  本地模式和远程模式保存在mysql中

#### 内嵌模式 ####

内嵌模式(Embedded Metastore )是metastore默认部署模式。  
此种模式下，元数据存储在内置的Derby数据库，并且Derby数据库和metastore服务都嵌入在主HiveServer进程中，当启动HiveServer进程时，Derby和metastore都会启动。不需要额外起Metastore服务。  
但是一次只能支持一个活动用户，适用于测试体验，不适用于生产环境。

#修改Hive环境变量文件 添加Hadoop_HOME
    cd /opt/apps/hive-3.1.2/conf
    mv hive-env.sh.template hive-env.sh
    vi hive-env.sh  
    #在最后加上
    export HADOOP_HOME=/opt/apps/hadoop-3.1.1
    export HIVE_CONF_DIR=/opt/apps/hive-3.1.2/conf
    export HIVE_AUX_JARS_PATH=/opt/apps/hive-3.1.2/lib
    #初始化元数据
    schematool -initSchema -dbType derby
    #启动hive服务
    hive

#### 本地模式 ####

本地模式(Local Metastore ) 下，Metastore服务与主HiveServer进程在同一进程中运行，但是存储元数据的数据库在单独的进程中运行，并且可以在单独的主机上。metastore服务将通过JDBC与metastore数据库进行通信。本地模式采用外部数据库来存储元数据，推荐使用MySQL。  
hive根据hive.metastore.uris参数值来判断，如果为空，则为本地模式。缺点是︰每启动一次hive服务，都内置启动了一个metastore。

本地模式特征就是∶需要安装数据库MySQL来存储元数据，但是不需要配置启动Metastore服务。

**注意:Hive3版本需要用户手动进行元数据初始化动作。**

#修改Hive环境变量文件 添加Hadoop_HOME
    cd /opt/apps/hive-3.1.2/conf
    mv hive-env.sh.template hive-env.sh
    vi hive-env.sh  
    export HADOOP_HOME=/opt/apps/hadoop-3.1.1
    export HIVE_CONF_DIR=/opt/apps/hive-3.1.2/conf
    export HIVE_AUX_JARS_PATH=/opt/apps/hive-3.1.2/lib
    
    在/opt/apps/hive-3.1.2/lib下上传mysql驱动包
    
    vi hive-site.xml
    <configuration>
      <property>
      <name>javax.jdo.option.ConnectionURL</name>
      <value>jdbc:mysql://linux01:3306/hive?createDatabaseIfNotExist=true&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>root</value>
      </property>
    
      
      <property>
      <name>hive.metastore.event.db.notification.api.auth</name>
      <value>false</value>
      </property>
      
      <property>
      <name>hive.metastore.schema.verification</name>
      <value>false</value>
      </property>
    </configuration>
    
    开启hive操作hadoop权限
    见2.2
    
    初始化元数据
    schematool -initSchema -dbType mysql -verbos
    
    启动服务
    hive

#### 2.4.3 远程模式(重点) ####

远程模式(Remote Metastore )下，Metastore服务在其自己的单独JVM上运行，而不在HiveServer的JVM中运行。如果其他进程希望与Metastore服务器通信，则可以使用thrift Network API进行通信。

远程模式下，需要配置hive.metastore.uris 参数来指定metastore服务运行的机器ip和端口，并且**需要单独手动启动metastore服务**。元数据也采用外部数据库来存储元数据，推荐使用MySQL。

在生产环境中，建议用远程模式来配置Hive Metastore。在这种情况下，其他依赖hive的软件都可以通过Metastore访问hive。由于还可以完全屏蔽数据库层，因此这也带来了更好的可管理性/安全性。

![ca028fce10bf57ea21180bdc2118bfab.png][]

**具体配置(重要)**

**1.修改Hive环境变量文件 添加Hadoop\_HOME**

#进入到hive下的conf文件夹
    cd /opt/apps/hive-3.1.2/conf
    #将hive环境变量文件模版 改为可用文件
    cp  hive-env.sh.template  hive-env.sh
    
    vim hive-env.sh
    #在最后添加Hadoop_Home
    export HADOOP_HOME=/opt/apps/hadoop-3.1.1
    export HIVE_CONF_DIR=/opt/apps/hive-3.1.2/conf
    export HIVE_AUX_JARS_PATH=/opt/apps/hive-3.1.2/lib
    
    shift: set nu  将第40行注释打开
    export HADOOP_HEAPSIZE=1024

**2.创建Hive的核心配置文件 进行配置**

在hive下的conf文件夹下 直接vi一个hive-site.xml
    vi  hive-site.xml
    <configuration>
        
        <property>
            <name>javax.jdo.option.ConnectionURL</name>
            <value>jdbc:mysql://linux01:3306/hive?createDatabaseIfNotExist=true&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>123</value>
        </property>
        
        <property>
            <name>hive.metastore.warehouse.dir</name>
            <value>/user/hive/warehouse</value>
        </property>
        <property>
            <name>hive.exec.scratchdir</name>
            <value>/user/hive/tmp</value>
        </property>
        <property>
            <name>hive.querylog.location</name>
            <value>/user/hive/log</value>
        </property>
        
        <property>
            <name>hive.server2.thrift.port</name>
            <value>10000</value>
        </property>
        <property>
            <name>hive.server2.thrift.bind.host</name>
            <value>linux01</value>
        </property>
        
        <property>
            <name>hive.server2.webui.port</name>
            <value>10002</value>
        </property>
        <property>
            <name>hive.server2.long.polling.timeout</name>
            <value>5000</value>
        </property>
        <property>
            <name>hive.server2.enable.doAs</name>
            <value>true</value>
        </property>
        <property>
            <name>datanucleus.autoCreateSchema</name>
            <value>false</value>
        </property>
        <property>
            <name>datanucleus.fixedDatastore</name>
            <value>true</value>
        </property>
        
        <property>
            <name>hive.execution.engine</name>
            <value>mr</value>
        </property>
        
        <property>
            <name>hive.metastore.event.db.notification.api.auth</name>
            <value>false</value>
        </property>
        
        <property>
            <name>hive.metastore.schema.verification</name>
            <value>false</value>
        </property>
        
        <property>
            <name>hive.metastore.uris</name>
            <value>thrift://linux01:9083</value>
        </property>
    </configuration>

**3.上传MySQL驱动包放入到Hive的lib文件夹下**

Hive的lib包中默认没有mysql驱动的jar包.我们需要上传一个mysql的jdbc驱动jar包放入到hive的lib下.
    cd /opt/apps/hive-3.1.2/lib
    使用rz命令上传我们之前用过的jdbc的jar包即可

### hive初始化 ###

将hive的原数据信息初始化到mysql中 用的是hive下bin中的schematool命令 我们配置了环境变量可以直接使用.
    schematool -initSchema -dbType mysql
    
    最后出现 completed初始化成功 
    Initialization script completed
    schemaTool completed

在mysql数据库中发现生成一个新的hive数据库 里面默认有74张表 , 说明hive初始化成功!

[f98687fa543b3d2d9d08ca86bd70b5a5.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/53ff2aa844354df387231634e16377c7.png
[2e1b1dec4a7fb5cb9b362a3b8daeb6ec.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/31c790454d0c4208a78d1b354d82d830.png
[bfc7f56172442927e3ac9f749c604b3d.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/ea3f6a91f5594c048d8d179fb6b8ce8b.png
[ce45b125216359055446ed05744d467e.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/5ecc70553a2646ebbffeb28445062e41.png
[744a66ebbffa97d20836c44bd37bfb0d.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/3ee1d07638724ca6933a2ebcefc4c78d.png
[ca028fce10bf57ea21180bdc2118bfab.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/97f3a47bfa0a4c1ead2847e975e05cc1.png