Hive的配置| 架构原理

时间:2023-12-10 21:36:32

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

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

1. Hive架构原理

hive的组成:

Hive的配置| 架构原理

Hive计算和存储都是基于Hadoop的;

MetaStore元数据(描述表数据的数据)的存储,hive改变了数据的呈现形式,主流用的是mysql;

Client + jdbc(都有接口实现的Driver,hive提供一套面向jdbc接口的输入输出,找到hive的jdbc连接driver就可以连接hive),

sql进来经过driver翻译处理,进入到SQL Parser解析器 ---->Physical Plan编译器,翻译成MR--->Query Optimizer优化器进行优化--->Execution进行执行;

可以配置Hive运行引擎Tez:

https://www.cnblogs.com/shengyang17/p/10527700.html

2. Hive安装及配置

()把apache-hive-1.2.-bin.tar.gz上传到linux的/opt/software目录下
()解压apache-hive-1.2.-bin.tar.gz到/opt/module/目录下面
  [kris@hadoop101 software]$ tar -zxvf apache-hive-1.2.-bin.tar.gz -C /opt/module/
()修改apache-hive-1.2.-bin.tar.gz的名称为hive
  [kris@hadoop101 module]$ mv apache-hive-1.2.-bin/ hive
()修改/opt/module/hive/conf目录下的hive-env.sh.template名称为hive-env.sh
  [kris@hadoop101 conf]$ mv hive-env.sh.template hive-env.sh
()配置hive-env.sh文件
(a)配置HADOOP_HOME路径
      export HADOOP_HOME=/opt/module/hadoop-2.7.
(b)配置HIVE_CONF_DIR路径
      export HIVE_CONF_DIR=/opt/module/hive/conf

 Hadoop集群配置

Hadoop集群配置
()必须启动hdfs和yarn
  start-dfs.sh
若启动时出现nodenode进程或其他,受到Ha的影响,删除data数据,可重新格式化;
  killall java
[kris@hadoop101 ~]$ cd /tmp/
[kris@hadoop101 tmp]$ rm -rf *.pid   start-yarn.sh
在HDFS上创建/tmp和/user/hive/warehouse两个目录并修改他们的同组权限可写,看下没有这个文件(一般启动之后就会产生)就创建并修改权限;
[kris@hadoop101 tmp]$ hadoop fs -chmod /tmp/
[kris@hadoop101 tmp]$ hadoop fs -chmod g+w /user/hive/warehouse

  可直接启动hive

  [kris@hadoop101 hive]$ bin/hive

将本地文件导入hive:

  在/opt/module/目录下创建datas
  [atguigu@hadoop102 module]$ mkdir datas
  在/opt/module/datas/目录下创建student.txt文件并添加数据 hive> create table student(id int, name string) ROW FORMAT DELIMITED FIELDS TERMINATED
> BY '\t';
OK
Time taken: 0.298 seconds
hive> load data local inpath '/opt/module/datas/student.txt' into table student;
Loading data to table default.student
Table default.student stats: [numFiles=, numRows=, totalSize=, rawDataSize=]
OK
Time taken: 0.729 seconds
hive> show tables;
OK
student
Time taken: 0.021 seconds, Fetched: row(s)
hive> select * from student;
OK
ss1
ss2
ss3
ss4
ss5

再打开一个客户端窗口启动hive,会产生java.sql.SQLException异常。

Caused by: ERROR XSDB6: Another instance of Derby may have already booted the database /opt/module/hive/metastore_db.

原因是,Metastore默认存储在自带的derby数据库中,推荐使用MySQL存储Metastore;

  MySql安装

[kris@hadoop101 ~]$ rpm -qa | grep mysql
mysql-libs-5.1.-.el6.x86_64
[kris@hadoop101 ~]$ sudo rpm -e --nodeps mysql-libs-5.1.-.el6.x86_64 把之前安装的卸载掉;
[kris@hadoop101 ~]$ rpm -qa | grep mysql [kris@hadoop101 ~]$ unzip /opt/software/mysql-libs.zip [kris@hadoop101 mysql-libs]$ ll
总用量
-rw-rw-r-- kris kris 3月 MySQL-client-5.6.-.el6.x86_64.rpm
-rw-rw-r-- kris kris 12月 mysql-connector-java-5.1..tar.gz
-rw-rw-r-- kris kris 3月 MySQL-server-5.6.-.el6.x86_64.rpm

在root用户下安装Mysql

sudo rpm -ivh MySQL-server-5.6.-.el6.x86_64.rpm  //1.在root用户下安装mysql服务器

sudo cat /root/.mysql_secret
sudo rpm -ivh MySQL-client-5.6.-.el6.x86_64.rpm //2. 安装mysql客户端
cat /root/.mysql_secret                  //3. 查看mysql默认密码,记下来登陆进去修改密码
sudo service mysql start                //4. 开启mysql服务器;
mysql -uroot -p iGD2pY1XQycacXKc //5.进入mysql修改 mysql> show databases;
ERROR (HY000): You must SET PASSWORD before executing this statement
mysql> set password=password("123456");
Query OK, rows affected (0.00 sec) mysql> show databases;
+--------------------+
| Database |
+--------------------+
| information_schema |
| mysql |
| performance_schema |
| test |
+--------------------+
rows in set (0.00 sec)
mysql> exit;
Bye
[kris@hadoop101 software]$ mysql -uroot -p123456
use mysql;
mysql> select user, host, password from user;
+------+-----------+-------------------------------------------+
| user | host | password |
+------+-----------+-------------------------------------------+
| root | localhost | *6BB4837EB74329105EE4568DDA7DC67ED2CA2AD9 |
| root | hadoop101 | *F989EA3B224D436B6BEAEAEB2E879B7E765C28C5 |
| root | 127.0.0.1 | *F989EA3B224D436B6BEAEAEB2E879B7E765C28C5 |
| root | :: | *F989EA3B224D436B6BEAEAEB2E879B7E765C28C5 |
+------+-----------+-------------------------------------------+
rows in set (0.00 sec) mysql> delete from user where host<>"localhost";
Query OK, rows affected (0.00 sec) mysql> update user set host='%' where host='localhost';
mysql> flush privileges;

  Hive元数据配置到MySql

拷贝驱动到hive的lib目录下面

[kris@hadoop101 software]$ tar -zxf mysql-connector-java-5.1.27.tar.gz
[kris@hadoop101 software]$ ll
总用量
drwxr-xr-x. kris kris 10月 mysql-connector-java-5.1.
[kris@hadoop101 mysql-connector-java-5.1.]$ cp mysql-connector-java-5.1.27-bin.jar /opt/module/hive/lib/

  配置Metastore到MySql

  1.在/opt/module/hive/conf目录下创建一个hive-site.xml
    [kris@hadoop101 conf]$ touch hive-site.xml
    [kris@hadoop101 conf]$ vi hive-site.xml
  2.根据官方文档配置参数,拷贝数据到hive-site.xml文件中

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<property>
<name>javax.jdo.option.ConnectionURL</name>
<value>jdbc:mysql://hadoop101:3306/metastore?createDatabaseIfNotExist=true</value>
<description>JDBC connect string for a JDBC metastore</description>
</property> <property>
<name>javax.jdo.option.ConnectionDriverName</name>
<value>com.mysql.jdbc.Driver</value>
<description>Driver class name for a JDBC metastore</description>
</property> <property>
<name>javax.jdo.option.ConnectionUserName</name>
<value>root</value>
<description>username to use against metastore database</description>
</property> <property>
<name>javax.jdo.option.ConnectionPassword</name>
<value>123456</value>
<description>password to use against metastore database</description>
</property>
</configuration>
[kris@hadoop101 hive]$ bin/hive
Logging initialized using configuration in jar:file:/opt/module/hive/lib/hive-common-1.2..jar!/hive-log4j.properties
hive>

配置完毕后,如果启动hive异常,可以重新启动虚拟机。(重启后,别忘了启动hadoop集群)

多窗口启动Hive测试

.先启动MySQL
[kris@hadoop101 hive]$ mysql -uroot -p123456
mysql> show databases;
+--------------------+
| Database |
+--------------------+
| information_schema |
| metastore |
| mysql |
| performance_schema |
| test |
+--------------------+
rows in set (0.02 sec)
.再次打开多个窗口,分别启动hive
[kris@hadoop101 hive]$ bin/hive
.启动hive后,回到MySQL窗口查看数据库,显示增加了metastore数据库

HiveJDBC访问

[kris@hadoop101 hive]$ bin/hiveserver2  //它就相当于是SQL Parser解析器+Physical Plan编辑器+优化器+执行器

[kris@hadoop101 hive]$ bin/beeline     //它就相当于是Client + Driver + CLI + JDBC
Beeline version 1.2. by Apache Hive
beeline> !connect jdbc:hive2://hadoop101:10000 //必须把bin/hiveserver2启动了才能启动它,它们是配套的
Connecting to jdbc:hive2://hadoop101:10000
Enter username for jdbc:hive2://hadoop101:10000: kris
Enter password for jdbc:hive2://hadoop101:10000:
Connected to: Apache Hive (version 1.2.)
Driver: Hive JDBC (version 1.2.)
Transaction isolation: TRANSACTION_REPEATABLE_READ
: jdbc:hive2://hadoop101:10000> show databases;
+----------------+--+
| database_name |
+----------------+--+
| default |
+----------------+--+
row selected (1.233 seconds)
: jdbc:hive2://hadoop101:10000>
发现这里发生变化:它会记录查询情况,是否出错
[kris@hadoop101 hive]$ bin/hiveserver2
OK

3. Hive常见属性配置

Hive数据仓库位置配置

1)Default数据仓库的最原始位置是在hdfs上的:/user/hive/warehouse路径下。

2)在仓库目录下,没有对默认的数据库default创建文件夹。如果某张表属于default数据库,直接在数据仓库目录下创建一个文件夹。

3)修改default数据仓库原始位置(将hive-default.xml.template如下配置信息拷贝到hive-site.xml文件中)。

<property>
<name>hive.metastore.warehouse.dir</name>
<value>/user/hive/warehouse</value>
<description>location of default database for the warehouse</description>
</property>

配置同组用户有执行权限

bin/hdfs dfs -chmod g+w /user/hive/warehouse

查询后信息显示配置

1)在hive-site.xml文件中添加如下配置信息,就可以实现显示当前数据库,以及查询表的头信息配置。

<property>
<name>hive.cli.print.header</name>
<value>true</value>
</property> <!-- Hive客户端查询显示不带表名的字段名 -->
<property>
<name>hive.resultset.use.unique.column.names</name>
<value>false</value>
</property> <property>
<name>hive.cli.print.current.db</name>
<value>true</value>
</property>

2)重新启动hive,对比配置前后差异。

Hive运行日志信息配置

1.Hive的log默认存放在/tmp/kris/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

  2)在hive-log4j.properties文件中修改log存放位置   hive.log.dir=/opt/module/hive/logs

参数配置方式

1.查看当前所有的配置信息

hive>set;

2.参数的配置三种方式

(1)配置文件方式; 默认配置文件:hive-default.xml; 用户自定义配置文件:hive-site.xml

注意:用户自定义配置会覆盖默认配置。另外,Hive也会读入Hadoop的配置,因为Hive是作为Hadoop的客户端启动的,Hive的配置会覆盖Hadoop的配置。配置文件的设定对本机启动的所有Hive进程都有效。

  (2)命令行参数方式

启动Hive时,可以在命令行添加-hiveconf param=value来设定参数。例如:

[kris@hadoop101 hive]$ bin/hive -hiveconf mapred.reduce.tasks=10;

注意:仅对本次hive启动有效

查看参数设置:hive (default)> set mapred.reduce.tasks;

  (3)参数声明方式

可以在HQL中使用SET关键字设定参数; 例如:

hive (default)> set mapred.reduce.tasks=100;

注意:仅对本次hive启动有效。

查看参数设置:hive (default)> set mapred.reduce.tasks;

上述三种设定方式的优先级依次递增。即配置文件<命令行参数<参数声明。注意某些系统级的参数,例如log4j相关的设定,必须用前两种方式设定,因为那些参数的读取在会话建立以前已经完成了。

4. Hive常用交互命令

“-e”不进入hive的交互窗口执行sql语句;  “-f”执行脚本中sql语句

退出hive窗口:在新版的hive中没区别了,在以前的版本是有的: exit:先隐性提交数据,再退出; quit:不提交数据,退出;

[kris@hadoop101 hive]$ bin/hive -e "select * from student;"

Logging initialized using configuration in jar:file:/opt/module/hive/lib/hive-common-1.2..jar!/hive-log4j.properties
OK
ss1
ss2
ss3
写入文件中:
[kris@hadoop101 datas]$ vim hivef.sql
select * from student;
[kris@hadoop101 hive]$ bin/hive -f /opt/module/datas/hivef.sql Logging initialized using configuration in jar:file:/opt/module/hive/lib/hive-common-1.2..jar!/hive-log4j.properties
OK
ss1
ss2
ss3 hive> dfs -ls /;
Found items
drwxrwxr-x - kris supergroup -- : /tmp
drwxr-xr-x - kris supergroup -- : /user
hive> !ls /opt/module/datas
> ;
business.txt
dept.txt
emp_sex.txt
emp.txt
hivef.sql
location.txt
log.data
score.txt
student.txt
hive> 查看在hive中输入的所有历史命令
()进入到当前用户的根目录/root或/home/atguigu
()查看. hivehistory文件
[kris@hadoop101 ~]$ cat .hivehistory