大数据生态组件——Hive安装及配置

以下安装配置均是在虚拟机环境下进行的（我使用的是centos）

Hive简介

• HIve是一个基于hadoop的开源数据仓库工具，用于存储和处理海量的（半）结构化数据
• Hive将海量的数据存储于hadoop文件系统，而不是数据库，但提供了 一套类数据库的数据存储和处理机制，并采用HQL（类SQL）语言对这些数据进行自动化管理和处理，可以用来进行数据提取转化加载（ETL），这是一种可以存储、查询和分析存储在Hadoop中的大规模数据的机制
• Hive的本质是将SQL转换为SQL转换为MapReduce程序
  
• Hive诞生于Facebook的日志分析需求，面对海量的结构化数据，Hive以较低的成本完成了以往需要大规模数据库才能完成的任务，并且学习门槛相对较低，应用开发灵活而高效。

Hive的安装与配置（一）

Hive不存在集群，Hive不用配置是伪分布式还是完全分布式模式，它只是一个客户端工具，可以运行在集群的任意一个节点上

1. 下载解压apache-hive-2.3.3-bin.tar.gz到/usr/local
2. 重命名文件夹为hive
3. 修改所属组和所属用户（root环境下不需要这一步）
4. 配置环境变量~/.bashrc

[hadoop@s0 ~]$ sudo tar -zxvf downloads/apache-hive-2.3.3-bin.tar.gz  -C  /usr/local/
[hadoop@s0 ~]$ cd /usr/local/
[hadoop@s0 local]$ sudo mv apache-hive-2.3.3-bin/ hive
[hadoop@s0 local]$ sudo chown -R hadoop:hadoop  hive
[hadoop@s0 ~]$ vi .bashrc
# 在.bashrc 中输入以下内容（前三行不是本次需要输入的内容）：
export JAVA_HOME=/usr/local/jdk
export HADOOP_HOME=/usr/local/hadoop
export SPARK_HOME=/usr/local/spark
export HIVE_HOME=/usr/local/hive  #输入此行

export PATH=$JAVA_HOME/bin:$HADOOP_HOME/sbin:$HADOOP_HOME/bin:$SPARK_HOME/bin:$HIVE_HOME/bin:$PATH

Hive的启动

1. 启动hadoop集群（前面有博客介绍过，这里就不再介绍安装了）

[hadoop@s0 ~]$ start-all.sh   # Yarn必须要启动

启动Hive之前要先启动Hadoop集群，不能只启动HDFS文件系统，Yarn也需要启动，因为以后执行Hive语句的时候会转化为MapReduce任务

1. 启动hive

[hadoop@s0 ~]$ hive

启动时会报错：不能建立元数据库的错误

hive的元数据库

• hive中的元数据（Metastore）

  • 元数据包括表的名字、表的列和分区及其属性、表的属性（是否为外部表等）、表的数据所在目录等。

  • Hive 将元数据存储在关系型数据库中，目前只支持MySQL、Derby；原始的Hive默认使用Derby数据库

  • 请注意区分，Hive存储的海量数据放在HDFS中，但是Hive自己的元数据放在关系型数据库中

  • 元数据库默认使用内嵌的Derby数据库作为存储引擎；Derby引擎的缺点：一次只能打开一个会话

  • 需要更换Hive的数据库为MySQL，使用MySQL作为外置存储引擎，支持多用户同时访问。

所以先要安装一下MySQL（本地方式），即MySQL数据库同hive安装在一个系统中。

安装配置MySQL

1. 观察是否安装过MySQL

[hadoop@s0 ~]$ rpm -qa | grep -i mysql
mysql-libs-5.1.73-3.el6_5.x86_64

已存在mysql-libs-5.1.73-3.el6_5.x86_64的库（这是linux自带的）

1. 在线安装MySQL

[hadoop@s0 ~]$ sudo yum install mysql-server

1. 观察MySQL版本

[hadoop@s0 ~]$ mysql  -V  #是大写的V
mysql  Ver 14.14 Distrib 5.1.73, for redhat-linux-gnu (x86_64) using readline 5.1

1. 观察MySQL是否正常运行

[hadoop@s0 ~]$ netstat -an | grep 3306
# 结果为空 证明没有运行

1. 启动MySQL

[hadoop@s0 ~]$ sudo service mysqld  start  # service mysqld start/stop/restart
[sudo] password for hadoop: 
Starting mysqld:                                           [  OK  ]

[hadoop@s0 ~]$ netstat -an | grep 3306
tcp        0      0 0.0.0.0:3306                0.0.0.0:*                   LISTEN

1. 进入和退出MySQL

[hadoop@s0 ~]$ mysql -uroot   #此root与Linux的root用户毫无关系；u和root之间可以有空格，也可以没有
Welcome to the MySQL monitor.  Commands end with ; or \g.
Your MySQL connection id is 6
Server version: 5.1.73 Source distribution
Copyright (c) 2000, 2013, Oracle and/or its affiliates. All rights reserved.
Oracle is a registered trademark of Oracle Corporation and/or its
affiliates. Other names may be trademarks of their respective
owners.
Type 'help;' or '\h' for help. Type '\c' to clear the current input statement.

mysql安装后会创建一个默认用户root，与linux的root用户无关
root用户默认没有密码

mysql> exit;  #MySQL数据库的命令输入时最后也要加分号
Bye

1. 设置root用户密码

[hadoop@s0 ~]$ mysqladmin -uroot password 123456

1. 以带密码的root用户身份登录

[hadoop@s0 ~]# mysql -uroot -p
Enter password:  #此处输入密码123456
Welcome to the MySQL monitor.  Commands end with ; or \g.
Your MySQL connection id is 23
Server version: 5.6.40 MySQL Community Server (GPL)
Copyright (c) 2000, 2018, Oracle and/or its affiliates. All rights reserved.
Oracle is a registered trademark of Oracle Corporation and/or its
affiliates. Other names may be trademarks of their respective
owners.
Type 'help;' or '\h' for help. Type '\c' to clear the current input statement.
mysql>

1. 添加远程登录的用户hive及权限

mysql>GRANT all ON *.* TO hiver@'%' IDENTIFIED BY '123456';// *.*:所有库下的所有表   %：任何IP地址或主机都可以连接，此处的hiver是一个远程访问MySQL数据库的用户
mysql>GRANT all ON *.* TO hiver@'s0' IDENTIFIED BY '123456';
mysql> GRANT all ON *.* TO hiver@'localhost' IDENTIFIED BY '123456';
mysql>FLUSH PRIVILEGES; //让前3条命令生效

#可以使用下述命令删除用户及权限：
mysql >drop user hiver@'%';
mysql> drop user hiver@'s0';
mysql> drop user hiver@'localhost';

1. 创建hive的元数据库名称为hive_metastore_db

mysql> create database hive_metastore_db;
Query OK, 1 row affected (0.00 sec)
#此数据库用于存放Hive的metastore元数据，即Hive的元数据存放在MySQL数据库中 

1. 显示数据库

mysql> show databases;

MySQL的开机自启操作

• 设置开机自启

[hadoop@s0 ~]$ sudo chkconfig mysqld on
[hadoop@s0 ~]$ chkconfig --list | grep mysql
mysqld         	0:off	1:off	2:on	3:on	4:on	5:on	6:off

配置hive（二）

配置hive-env.sh

1. 将hive-env.sh.template复制一份为hive-env.sh
2. 配置hive-env.sh
   
   注意查看自己文件的位置，将自己的位置写上去

配置hive-site.xml

• 将/usr/local/hive/conf/hive-default.xml.template复制一份并重命名为hive-site.xml

[hadoop@s0 ~]$ cd /usr/local/hive/conf/
[hadoop@s0 conf]$ cp hive-default.xml.template   hive-site.xml #注意不是hive-default.xml
[hadoop@s0 conf]$ sudo vi hive-site.xml #虽然可以不用sudo，加上可以保证格式容易控制

• 原始的hive-default.xml.template中的配置
  

javax.jdo.option.ConnectionURL：数据库链接字符串。

javax.jdo.option.ConnectionDriverName：连接数据库的驱动包。

javax.jdo.option.ConnectionUserName：数据库用户名(默认是APP)。

javax.jdo.option.ConnectionPassword：连接数据库的密码。

修改为对应以下内容：

<?xml version="1.0" encoding="UTF-8" standalone="no"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<property>
	<name>javax.jdo.option.ConnectionURL</name>
	<value>jdbc:mysql://s0:3306/hive_metastore_db</value>
</property>
<property>
	<name>javax.jdo.option.ConnectionDriverName</name>
	<value>com.mysql.jdbc.Driver</value>
</property>
<property>
	<name>javax.jdo.option.ConnectionUserName</name>
	<value>hiver</value>
</property>
<property>
	<name>javax.jdo.option.ConnectionPassword</name>
	<value>123456</value>
</property>
</configuration>

上传mysql-connector-java-5.1.38-bin.jar到$HIVE_HOME/lib

[hadoop@s0 downloads]$ sudo cp mysql-connector-java-5.1.38-bin.jar /usr/local/hive/lib/

观察此时的Hive的元数据库hive_metastore_db

mysql> use hive_metastore_db;
Database changed
mysql> show tables;
Empty set (0.00 sec)

此时Hive的元数据库hive_metastore_db的元数据库中没有表

重新给整个Hive目录授权（建议再做一遍授权操作）

[hadoop@s0 local]$ sudo chown -R hadoop:hadoop  hive

初始化MySQL数据库

[hadoop@s0 ~]$ cd /usr/local/hive/bin/
[hadoop@s0 bin]$ schematool -dbType mysql -initSchema

• 观察此时的Hive的元数据库hive_metastore_db

mysql> show databases;
+--------------------+
| Database           |
+--------------------+
| information_schema |
| hive_metastore_db  |
| mysql              |
| test               |
+--------------------+
4 rows in set (0.00 sec)

mysql> use hive_metastore_db;
Database changed

mysql> show tables;
+-----------------------------+
| Tables_in_hive_metastore_db |
+-----------------------------+
| BUCKETING_COLS              |
| CDS                         |
| COLUMNS_V2                  |
| DATABASE_PARAMS             |
| DBS                         |
……
29 rows in set (0.00 sec)

hive-shell的基本操作命令

• 启动hadoop集群
• 启动hive

hive> show databases;  #最后的分号必须有，为英文分号，风格与MySQL的命令类似
OK
default
Time taken: 2.832 seconds, Fetched: 1 row(s)

可以看到只有一个默认的数据库default

hive> show tables;
OK
Time taken: 1.23 seconds

hive> create database student;  #创建数据库student
hive> create database student;  #再次创建数据库student会报错
FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.DDLTask. Database student already exists

hive> create database if not exists student;
OK
Time taken: 0.048 seconds

hive> describe database student;
OK
student		hdfs://s0:9000/user/hive/warehouse/student.db	hadoop	USER	
Time taken: 0.073 seconds, Fetched: 1 row(s)


hive> use student;  #创建好的数据库要被使用，必须使用use命令

hive> create table stu(id int, name string);  #在数据库student中创建表stu
hive> show tables; #注意table是复数形式
OK
stu
Time taken: 0.101 seconds, Fetched: 1 row(s)

#显示表的结构
hive> desc stu;
OK
id                  	int
nam                string 	                    
Time taken: 0.263 seconds, Fetched: 1 row(s)

#插入一条记录，会启动MR作业
hive> insert into stu values(1,'zhangsan');


hive> insert into stu values(2,'lisi');

#只带*号的返回全部字段的查询不启动MR作业
hive> select * from stu;
OK
1	zhangsan
2	lisi
Time taken: 0.191 seconds, Fetched: 2 row(s)

#使用了排序子句 会启动MR作业
hive> select * from stu order by id desc;

hive> drop table stu; #删除表
hive> drop database student; #在Hive中删除数据库，必须要先删除数据库中的表才能删除数据库
hive> quit;