Hive技术
第一章 Hive入门
Hive架构原理
- 用户接口:Client
CLI(command-line interface)、JDBC/ODBC。
说明:JDBC和ODBC的区别。- JDBC的移植性比ODBC好;(通常情况下,安装完ODBC驱动程序之后,还需要经过确定的配置才能够应用。而不相同的配置在不相同数据库服务器之间不能够通用。所以,安装一次就需要再配置一次。JDBC只需要选取适当的JDBC数据库驱动程序,就不需要额外的配置。在安装过程中,JDBC数据库驱动程序会自己完成有关的配置。)
- 两者使用的语言不同,JDBC在Java编程时使用,ODBC一般在C/C++编程时使用。
- 元数据:Metastore
元数据包括:数据库(默认是default)、表名、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,由于derby数据库只支持单客户端访问,生产环境中为了多人开发,推荐使用MySQL存储Metastore。 - 驱动器:Driver
- 解析器(SQLParser):将SQL字符串转换成抽象语法树(AST)
- 语义分析(Semantic Analyzer):将AST进一步划分为QeuryBlock
- 逻辑计划生成器(Logical Plan Gen):将语法树生成逻辑计划
- 逻辑优化器(Logical Optimizer):对逻辑计划进行优化
- 物理计划生成器(Physical Plan Gen):根据优化后的逻辑计划生成物理计划
- 物理优化器(Physical Optimizer):对物理计划进行优化
- 执行器(Execution):执行该计划,得到查询结果并返回给客户端
- Hadoop
使用HDFS进行存储,可以选择MapReduce/Tez/Spark进行计算。
第二章 Hive安装
Hive安装地址
- Hive官网地址
1
http://hive.apache.org/
- 文档查看地址
1
https://cwiki.apache.org/confluence/display/Hive/GettingStarted
- 下载地址
1
http://archive.apache.org/dist/hive/
- github地址
1
https://github.com/apache/hive
Hive安装部署
安装Hive
- 把apache-hive-3.1.3-bin.tar.gz上传到Linux的/opt/software目录下
- 解压apache-hive-3.1.3-bin.tar.gz到/opt/module/目录下面
1
[Jermyn@hadoop102 software]$ tar -zxvf /opt/software/apache-hive-3.1.3-bin.tar.gz -C /opt/module/
- 修改apache-hive-3.1.3-bin.tar.gz的名称为hive
1
[Jermyn@hadoop102 software]$ mv /opt/module/apache-hive-3.1.3-bin/ /opt/module/hive
- 修改/etc/profile.d/my_env.sh,添加环境变量添加内容
1
[Jermyn@hadoop102 software]$ sudo vim /etc/profile.d/my_env.sh
source1
2
3#HIVE_HOME
export HIVE_HOME=/opt/module/hive
export PATH=$PATH:$HIVE_HOME/bin1
[Jermyn@hadoop102 hive]$ source /etc/profile.d/my_env.sh
- 初始化元数据库(默认是derby数据库)
1
[Jermyn@hadoop102 hive]$ bin/schematool -dbType derby -initSchema
启动并使用Hive
- 启动Hive
1
[Jermyn@hadoop102 hive]$ bin/hive
- 使用Hive
1
2
3
4
5hive> show databases;
hive> show tables;
hive> create table stu(id int, name string);
hive> insert into stu values(1,"ss");
hive> select * from stu;
MySQL安装
安装MySQL
- 上传MySQL安装包以及MySQL驱动jar包
1
2mysql-5.7.28-1.el7.x86_64.rpm-bundle.tar
mysql-connector-java-5.1.37.jar - 解压MySQL安装包
1
2[Jermyn@hadoop102 software]$ mkdir mysql_lib
[Jermyn@hadoop102 software]$ tar -xf mysql-5.7.28-1.el7.x86_64.rpm-bundle.tar -C mysql_lib/ - 卸载系统自带的mariadb
1
[Jermyn@hadoop102 ~]$ sudo rpm -qa | grep mariadb | xargs sudo rpm -e --nodeps
- 安装MySQL依赖
1
2
3
4[Jermyn@hadoop102 software]$ cd mysql_lib
[Jermyn@hadoop102 mysql_lib]$ sudo rpm -ivh mysql-community-common-5.7.28-1.el7.x86_64.rpm
[Jermyn@hadoop102 mysql_lib]$ sudo rpm -ivh mysql-community-libs-5.7.28-1.el7.x86_64.rpm
[Jermyn@hadoop102 mysql_lib]$ sudo rpm -ivh mysql-community-libs-compat-5.7.28-1.el7.x86_64.rpm - 安装mysql-client
1
[Jermyn@hadoop102 mysql_lib]$ sudo rpm -ivh mysql-community-client-5.7.28-1.el7.x86_64.rpm
- 安装mysql-server注意:若出现以下错误
1
[Jermyn@hadoop102 mysql_lib]$ sudo rpm -ivh mysql-community-server-5.7.28-1.el7.x86_64.rpm
warning: 05_mysql-community-server-5.7.16-1.el7.x86_64.rpm: Header V3 DSA/SHA1 Signature, key ID 5072e1f5: NOKEY
error: Failed dependencies:
libaio.so.1()(64bit) is needed by mysql-community-server-5.7.16-1.el7.x86_64
解决办法:1
[Jermyn@hadoop102 software]$ sudo yum -y install libaio
- 启动MySQL
1
[Jermyn@hadoop102 software]$ sudo systemctl start mysqld
- 查看MySQL密码
1
[Jermyn@hadoop102 software]$ sudo cat /var/log/mysqld.log | grep password
配置MySQL
配置主要是root用户 + 密码,在任何主机上都能登录MySQL数据库。
- 用刚刚查到的密码进入MySQL(如果报错,给密码加单引号)
1
[Jermyn@hadoop102 software]$ mysql -uroot -p'password'
- 设置复杂密码(由于MySQL密码策略,此密码必须足够复杂)
1
mysql> set password=password("Qs23=zs32");
- 更改MySQL密码策略
1
2mysql> set global validate_password_policy=0;
mysql> set global validate_password_length=4; - 设置简单好记的密码
1
mysql> set password=password("123456");
- 进入MySQL库
1
mysql> use mysql
- 查询user表
1
mysql> select user, host from user;
- 修改user表,把Host表内容修改为%
1
mysql> update user set host="%" where user="root";
- 刷新
1
mysql> flush privileges;
- 退出
1
mysql> quit;
配置Hive元数据存储到MySQL
配置元数据到MySQL
- 新建Hive元数据库
1
2
3
4
5
6# 登录MySQL
[Jermyn@hadoop102 software]$ mysql -uroot -p123456
# 创建Hive元数据库
mysql> create database metastore;
mysql> quit; - 将MySQL的JDBC驱动拷贝到Hive的lib目录下。
1
[Jermyn@hadoop102 software]$ cp /opt/software/mysql-connector-java-5.1.37.jar $HIVE_HOME/lib
- 在$HIVE_HOME/conf目录下新建hive-site.xml文件添加如下内容:
1
[Jermyn@hadoop102 software]$ vim $HIVE_HOME/conf/hive-site.xml
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
<configuration>
<!-- jdbc连接的URL -->
<property>
<name>javax.jdo.option.ConnectionURL</name>
<value>jdbc:mysql://hadoop102:3306/metastore?useSSL=false</value>
</property>
<!-- jdbc连接的Driver-->
<property>
<name>javax.jdo.option.ConnectionDriverName</name>
<value>com.mysql.jdbc.Driver</value>
</property>
<!-- jdbc连接的username-->
<property>
<name>javax.jdo.option.ConnectionUserName</name>
<value>root</value>
</property>
<!-- jdbc连接的password -->
<property>
<name>javax.jdo.option.ConnectionPassword</name>
<value>123456</value>
</property>
<!-- Hive默认在HDFS的工作目录 -->
<property>
<name>hive.metastore.warehouse.dir</name>
<value>/user/hive/warehouse</value>
</property>
</configuration> - 初始化Hive元数据库(修改为采用MySQL存储元数据)
1
[Jermyn@hadoop102 hive]$ bin/schematool -dbType mysql -initSchema -verbose
验证元数据是否配置成功
- 再次启动Hive
1
[Jermyn@hadoop102 hive]$ bin/hive
- 使用Hive
1
2
3
4
5hive> show databases;
hive> show tables;
hive> create table stu(id int, name string);
hive> insert into stu values(1,"ss");
hive> select * from stu; - 在Xshell窗口中开启另一个窗口开启Hive(两个窗口都可以操作Hive,没有出现异常)
1
2
3hive> show databases;
hive> show tables;
hive> select * from stu;
Hive服务部署
hiveserver2服务
Hive的hiveserver2服务的作用是提供jdbc/odbc接口,为用户提供远程访问Hive数据的功能,例如用户期望在个人电脑中访问远程服务中的Hive数据,就需要用到Hiveserver2。
用户说明
在远程访问Hive数据时,客户端并未直接访问Hadoop集群,而是由Hivesever2代理访问。由于Hadoop集群中的数据具备访问权限控制,所以此时需考虑一个问题:那就是访问Hadoop集群的用户身份是谁?是Hiveserver2的启动用户?还是客户端的登录用户?
答案是都有可能,具体是谁,由Hiveserver2的hive.server2.enable.doAs参数决定,该参数的含义是是否启用Hiveserver2用户模拟的功能。若启用,则Hiveserver2会模拟成客户端的登录用户去访问Hadoop集群的数据,不启用,则Hivesever2会直接使用启动用户访问Hadoop集群数据。模拟用户的功能,默认是开启的。
具体逻辑如下:
未开启用户模拟功能:
开启用户模拟功能:
生产环境,推荐开启用户模拟功能,因为开启后才能保证各用户之间的权限隔离。hiveserver2部署
- Hadoop端配置
hivesever2的模拟用户功能,依赖于Hadoop提供的proxy user(代理用户功能),只有Hadoop中的代理用户才能模拟其他用户的身份访问Hadoop集群。因此,需要将hiveserver2的启动用户设置为Hadoop的代理用户,配置方式如下: - 修改配置文件core-site.xml,然后记得分发三台机器增加如下配置:
1
2[Jermyn@hadoop102 ~]$ cd $HADOOP_HOME/etc/hadoop
[Jermyn@hadoop102 hadoop]$ vim core-site.xml1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17<!--配置所有节点的Jermyn用户都可作为代理用户-->
<property>
<name>hadoop.proxyuser.Jermyn.hosts</name>
<value>*</value>
</property>
<!--配置Jermyn用户能够代理的用户组为任意组-->
<property>
<name>hadoop.proxyuser.Jermyn.groups</name>
<value>*</value>
</property>
<!--配置Jermyn用户能够代理的用户为任意用户-->
<property>
<name>hadoop.proxyuser.Jermyn.users</name>
<value>*</value>
</property> - Hive端配置
在hive-site.xml文件中添加如下配置信息1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18[Jermyn@hadoop102 conf]$ vim hive-site.xml
<!-- 指定hiveserver2连接的host -->
<property>
<name>hive.server2.thrift.bind.host</name>
<value>hadoop102</value>
</property>
<!-- 指定hiveserver2连接的端口号 -->
<property>
<name>hive.server2.thrift.port</name>
<value>10000</value>
</property>```
3. 测试
- 启动hiveserver2
```powershell
[Jermyn@hadoop102 hive]$ bin/hive --service hiveserver2 - 使用命令行客户端beeline进行远程访问:启动beeline客户端看到如下界面:
1
[Jermyn@hadoop102 hive]$ bin/beeline -u jdbc:hive2://hadoop102:10000 -n Jermyn
1
2
3
4
5
6Connecting to jdbc:hive2://hadoop102:10000
Connected to: Apache Hive (version 3.1.3)
Driver: Hive JDBC (version 3.1.3)
Transaction isolation: TRANSACTION_REPEATABLE_READ
Beeline version 3.1.3 by Apache Hive
0: jdbc:hive2://hadoop102:10000>
- Hadoop端配置
- 启动hiveserver2后台运行
1
2
3
4
5
6
7
8
9[Jermyn@hadoop102 hive]$ bin/hiveserver2 >/dev/null 2>&1 &
[1] 5770
[Jermyn@hadoop102 hive]$ jps
5108 NodeManager
5892 Jps
4905 DataNode
5770 RunJar
4735 NameNode
[Jermyn@hadoop102 hive]$
metastore服务
Hive的metastore服务的作用是为Hive CLI或者Hiveserver2提供元数据访问接口。
- metastore运行模式
metastore有两种运行模式,分别为嵌入式模式和独立服务模式。下面分别对两种模式- 嵌入式模式
- 独立服务模式
生产环境中,不推荐使用嵌入式模式。因为其存在以下两个问题: - 嵌入式模式下,每个Hive CLI都需要直接连接元数据库,当Hive CLI较多时,数据库压力会比较大。
- 每个客户端都需要用户元数据库的读写权限,元数据库的安全得不到很好的保证。
- 嵌入式模式
- metastore部署
- 嵌入式模式
嵌入式模式下,只需保证Hiveserver2和每个Hive CLI的配置文件hive-site.xml中包含连接元数据库所需要的以下参数即可:1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23<!-- jdbc连接的URL -->
<property>
<name>javax.jdo.option.ConnectionURL</name>
<value>jdbc:mysql://hadoop102:3306/metastore?useSSL=false</value>
</property>
<!-- jdbc连接的Driver-->
<property>
<name>javax.jdo.option.ConnectionDriverName</name>
<value>com.mysql.jdbc.Driver</value>
</property>
<!-- jdbc连接的username-->
<property>
<name>javax.jdo.option.ConnectionUserName</name>
<value>root</value>
</property>
<!-- jdbc连接的password -->
<property>
<name>javax.jdo.option.ConnectionPassword</name>
<value>123456</value>
</property> - 独立服务模式
独立服务模式需做以下配置:
首先,保证metastore服务的配置文件hive-site.xml中包含连接元数据库所需的以下参数:其次,保证Hiveserver2和每个Hive CLI的配置文件hive-site.xml中包含访问metastore服务所需的以下参数:1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23<!-- jdbc连接的URL -->
<property>
<name>javax.jdo.option.ConnectionURL</name>
<value>jdbc:mysql://hadoop102:3306/metastore?useSSL=false</value>
</property>
<!-- jdbc连接的Driver-->
<property>
<name>javax.jdo.option.ConnectionDriverName</name>
<value>com.mysql.jdbc.Driver</value>
</property>
<!-- jdbc连接的username-->
<property>
<name>javax.jdo.option.ConnectionUserName</name>
<value>root</value>
</property>
<!-- jdbc连接的password -->
<property>
<name>javax.jdo.option.ConnectionPassword</name>
<value>123456</value>
</property>1
2
3
4
5<!-- 指定metastore服务的地址 -->
<property>
<name>hive.metastore.uris</name>
<value>thrift://hadoop102:9083</value>
</property>注意:主机名需要改为metastore服务所在节点,端口号无需修改,metastore服务的默认端口就是9083。
- 嵌入式模式
编写Hive服务启动脚本
- 前台启动的方式导致需要打开多个Xshell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,所有写入该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
- &: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。1
2[Jermyn@hadoop202 hive]$ nohup hive --service metastore 2>&1 &
[Jermyn@hadoop202 hive]$ nohup hive --service hiveserver2 2>&1 &
- 为了方便使用,可以直接编写脚本来管理服务的启动和关闭
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62#!/bin/bash
############################################################################
# Desc : hiveservices hive集群控制脚本
# Path : /home/Jermyn/bin
# Auther : Jermyn
# Date : 2023-07-15
# Version : 1.0
############################################################################
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
第三章 DDL(Data Definition Language)数据定义
数据库(database)
创建数据库
1 | CREATE DATABASE [IF NOT EXISTS] database_name |
查询数据库
- 展示所有数据库
1
2SHOW DATABASES [LIKE 'identifier_with_wildcards'];
注:like通配表达式说明:*表示任意个任意字符,|表示或的关系。 - 查看数据库信息
1
DESCRIBE DATABASE [EXTENDED] db_name;
修改数据库
用户可以使用alter database命令修改数据库某些信息,其中能够修改的信息包括dbproperties、location、owner user。需要注意的是:修改数据库location,不会改变当前已有表的路径信息,而只是改变后续创建的新表的默认的父目录。1
2
3
4
5
6
7
8--修改dbproperties
ALTER DATABASE database_name SET DBPROPERTIES (property_name=property_value, ...);
--修改location
ALTER DATABASE database_name SET LOCATION hdfs_path;
--修改owner user
ALTER DATABASE database_name SET OWNER USER user_name;删除数据库
1
2
3DROP DATABASE [IF EXISTS] database_name [RESTRICT|CASCADE];
注:RESTRICT:严格模式,若数据库不为空,则会删除失败,默认为该模式。
CASCADE:级联模式,若数据库不为空,则会将库中的表一并删除。切换当前数据库
1
USE database_name;
表(table)
创建表
- 普通建表
1
2
3
4
5
6
7
8
9
10CREATE [TEMPORARY] [EXTERNAL] TABLE [IF NOT EXISTS] [db_name.]table_name
[(col_name data_type [COMMENT col_comment], ...)]
[COMMENT table_comment]
[PARTITIONED BY (col_name data_type [COMMENT col_comment], ...)]
[CLUSTERED BY (col_name, col_name, ...)
[SORTED BY (col_name [ASC|DESC], ...)] INTO num_buckets BUCKETS]
[ROW FORMAT row_format]
[STORED AS file_format]
[LOCATION hdfs_path]
[TBLPROPERTIES (property_name=property_value, ...)]
- TEMPORARY:临时表,该表只在当前会话可见,会话结束,表会被删除。
- EXTERNAL(重点):外部表,与之相对应的是内部表(管理表)。管理表意味着Hive会完全接管该表,包括元数据和HDFS中的数据。而外部表则意味着Hive只接管元数据,而不完全接管HDFS中的数据。
- data_type(重点):Hive中的字段类型可分为基本数据类型和复杂数据类型。
基本数据类型如下:
复杂数据类型如下:注:类型转换
Hive的基本数据类型可以做类型转换,转换的方式包括隐式转换以及显示转换。
方式一:隐式转换
具体规则如下:
a. 任何整数类型都可以隐式地转换为一个范围更广的类型,如tinyint可以转换成int,int可以转换成bigint。
b. 所有整数类型、float和string类型都可以隐式地转换成double。
c. tinyint、smallint、int都可以转换为float。
d. boolean类型不可以转换为任何其它的类型。
详情可参考Hive官方说明:
方式二:显示转换
可以借助cast函数完成显示的类型转换
a.语法
cast(expr as)