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。