一、hive概述:
由Facebook开源用于解决海量结构化日志的数据统计,后称为Apache Hive为一个开源项目
结构化数据:数据类型,字段,value---》hive
非结构化数据:比如文本、图片、音频、视频---》会有非关系型数据库存储,或者转换为结构化
结构化日志数据:服务器生成的日志数据,会以空格或者指表符分割的数据,比如:apache、nginx等等
Hive 是一个基于 Hadoop 文件系统之上的数据仓库架构,存储用hdfs,计算用mapreduce
Hive 可以理解为一个工具,不存在主从架构,不需要安装在每台服务器上,只需要安装几台就行了
hive还支持类sql语言,它可以将结构化的数据文件映射为一张数据库表,并提供简单的SQL查询功能
hive有个默认数据库:derby,默认存储元数据---》后期转换成关系型数据库存储mysql
hive的版本:apache-hive-1.2.1 、hive-0.13.1-cdh5.3.6
https://github.com/apache/ 主要查看版本的依赖
下载地址:
apache的:http://archive.apache.org/dist/hive/
cdh的:http://archive.cloudera.com/cdh5/cdh/5/
sql on hadoop的框架:
hive--》披着sql外衣的map-reduce
impala--》查询引擎,适用于交互式的实时处理场景
presto--》分布式的sql查询引擎,适用于实时的数据分析
spark sql
等等。。。。
二、Hive的体系结构
Client:
命令行:直接打开命令行bin/hive; 或者将hive以服务的形式开启,bin/hiveserver2,然后通过bin/beeline -u jdbc:hive2//hostname:10000/(database)/ -n linux用户 -p 密码
JDBC:
metastore元数据:存储再数据库中,默认的是derby数据库,但是不能多用户访问,更改mysql;
原数据:表名,表的所属的数据库,表的拥有者,表的分区信息等等
Driver:
解析器:解析HQL语句
编译器:把HQL语句翻译成mapreduce程序
优化器:优化代码
执行器:将代码交给yarn
Hadoop
使用mapreduce计算模型
使用hdfs进行存储hive中的表数据
三 Hive的安装使用
1、解压tar包
tar -zxf apache-hive-1.2.1-bin.tar.gz -C /opt/modules/apache
重命名:mv apache-hive-1.2.1-bin hive-1.2.1
2、进入conf目录:
修改名称
mv hive-env.sh.template hive-env.sh
配置环境:
HADOOP_HOME=/opt/modules/apache/hadoop-2.7.3
export HIVE_CONF_DIR=/opt/modules/apache/hive-1.2.1/conf
3、启动hive之前:
先把hadoop相关的服务开启:sbin/start-all.sh
bin/hdfs dfs -mkdir /tmp
bin/hdfs dfs -mkdir -p /user/hive/warehouse
bin/hdfs dfs -chmod g+w /tmp
bin/hdfs dfs -chmod g+w /user/hive/warehouse
复制模板: cp hive-default.xml.template hive-site.xml
先删除原有的3000多行,把hive.metastore.warehouse.dir配置进去
<property>
<name>hive.metastore.warehouse.dir</name>
<value>/user/hive/warehouse</value>
<description>location of default database for the warehouse</description>
</property>
四 Hive客户端的基础语句:
1、进入到hive的客户端:bin/hive
2、查看数据库:show databases;
3、创建数据库:create database test;
4、进入到数据库:use test;
5、查看表:show tables;
6、数据类型:
tinyint、smallint、int、bigint -》int
float、double、date
string、vachar、char -》string
7、
create table hive_table(
id int,
name string
);
8、加载数据:
load data local inpath '/opt/datas/hive_test.txt' into table hive_table;
local:指定本地的数据文件存放路径
不加local:指定数据在hdfs的路径
9、查询语句:
select * from hive_table;
10、hive的默认数据分隔符是\001,也就是^A ,分割符 " ", "," ,"\t"等等
如果说数据的分隔符与表的数据分隔符不一致的话,读取数据为null
按下crtl+v然后再按下crtl+a就会出来^A(\001)
create table row_table(
id int,
name string
)ROW FORMAT DELIMITED FIELDS TERMINATED BY " ";
load data local inpath '/opt/datas/hive_test.txt' into table row_table;
五、hive在hdfs上的文件结构
数据仓库的位置 数据库目录 表目录 表的数据文件
/user/hive/warehouse /test.db /row_table /hive_test.txt
default默认的数据库:指的就是这个/user/hive/warehouse路径
六、修改元数据存储的数据库:
1、用bin/hive同时打开多个客户端会报错
java.sql.SQLException: Another instance of Derby may have already booted the database /opt/modules/apache/hive-1.2.1/metastore_db.
derby数据库默认只能开启一个客户端,这是一个缺陷,换个数据库存储元数据
数据库可选有这几种:derby mssql mysql oracle postgres
一般选择mysql元数据存储
2、安装mysql
查看自己虚拟机有没有mysql的安装包
sudo rpm -qa | grep mysql
卸载:sudo rpm -e --nodeps mysql-libs-5.1.66-2.el6_3.x86_64
卸载完成之后再查看一下,确保卸载完成
安装mysql服务:
sudo yum -y install mysql-server
(如果yum源有问题,那就更换一下yum源即可)
安装完成之后
sudo rpm -qa | grep mysql
mysql-server-5.1.73-8.el6_8.x86_64
mysql-5.1.73-8.el6_8.x86_64
mysql-libs-5.1.73-8.el6_8.x86_64
》查看mysql的服务
chkconfig | grep mysql
》开启mysqld的服务
启动:sudo service mysqld start
设置登陆密码:mysqladmin -u root password '123456'
设置开机启动:sudo chkconfig mysqld on
进入mysql:
mysql -uroot -p123456
查询用户信息
mysql> select User,Host,Password from user;
设置远程登录权限
mysql> grant all privileges on *.* to 'root'@'%' identified by '123456' with grant option;
删除用户信息
mysql> delete from user where user='root' and host='127.0.0.1';
刷新信息
mysql> flush privileges;
重启mysqld服务
service mysqld restart
退出mysql客户端
qiut+;或者crtl+C
重启mysqld服务
sudo service mysqld restart
可选项:用Windows工具操作linux上的mysql
授权:grant all privileges on *.* to 'root'@'192.168.111.1' identified by '123456' with grant option;
刷新信息
mysql> flush privileges;
3.配置hive-site.xml
1、修改hive-site.xml
https://cwiki.apache.org/confluence/display/Hive/AdminManual+MetastoreAdmin
<property>
<name>javax.jdo.option.ConnectionURL</name>
<value>jdbc:mysql://hadoop01.com/metastore?createDatabaseIfNotExist=true</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>123456</value>
</property>
2、将驱动jar包拷贝到hive的lib目录下
mysql-connector-java-5.1.27-bin.jar
3、完成,可以启动hive bin/hive
4、在mysql的metastore数据库中找到信息
DBS:database 存储的hive数据库的信息
TBLS:table 存储hive表的信息
七、Hive操作命令
1、描述表信息
desc tablename;
desc extended row_table;
desc formatted row_table;
2、修改表名
alter table table_oldname rename to new_table_name;
3、给表增加一个列
alter table new_table add columns(age int);
alter table new_table add columns(sex string comment 'sex');添加注释
4、修改列的名字以及类型
ALTER TABLE table_name [PARTITION partition_spec] CHANGE [COLUMN] col_old_name col_new_name column_type [COMMENT col_comment] [FIRST|AFTER column_name];
create table test_change(a int,b int,c int);
修改列名 a -> a1
alter table test_change change a a1 int;
a1改a2,数据类型改成String,并且放在b的后面;
alter table test_change change a1 a2 string after b int;
将c改成c1,并放在第一列
alter table test_change change c c1 int first;
5、替换列(不能删除列,但是可以修改和替换,)是全表替换
ALTER TABLE table_name ADD|REPLACE COLUMNS (col_name data_type [COMMENT col_comment], ...)
alter table test_change replace columns(foo int , too string);
6、清除表数据truncate
只清除表数据,元数据信息还是存在的,表的结构已经表还是在的
truncate table row_table;
7、删除表数据drop
drop table row_table;
清除数据,表以及表的结构清除,元数据也清除
8、删除数据库
drop database test_db CASCADE;
删除数据库的信息,如果数据库不为空的话,则要加CASCADE字段
9、查看hive自带的函数: show functions;
desc function when;
desc function extended when; ->查看详细的用法
八、hive常用的linux命令选项
查看帮助信息 bin/hive -help
1、--database指定登陆到哪个database 下面去
bin/hive --database mydb;
2、指定一条sql语句,必须用引号包裹
bin/hive -e 'show databses'
bin/hive -e 'select * from mydb.new_table'
3、指定写sql语句的文件,执行sql
bin/hive -f hivesql
指定一些较为的sql语句,周期性的执行
4、查看sql语句文件
bin/hive -i hivesql
执行文件的sql语句并进入到hive的客户端
用来初始化一些操作
5、bin/hive -S hivesql
静默模式
6、在当前回话窗口修改参数的属性,临时生效
bin/hive --hiveconf hive.cli.print.header=false;
7、在hive的客户端中使用set修改参数属性(临时生效),以及查看参数的属性
set hive.cli.print.header -》查看参数的属性
set hive.cli.print.header=true; -》修改参数属性
8、常用的shell : ! 和 dfs
-》! 表示访问的linux本地的文件系统 ->! ls /opt/modules/apache/
-》dfs表示访问的是hdfs的文件系统 -> dfs -ls /;
9、CREATE database_name[LOCATION hdfs_path]
create database hive_test LOCATION "/location";
自定义数据库在hdfs上的路径,把指定/location当成默认的数据库,
所以这边数据库的名字不显示