Hive, 大数据

hive-02 安装

26 9 月

安装Hive

hive3版本和hive2版本没有多大变化，主要是适用hadoop3

  • 解压apache-hive-3.1.2-bin.tar.gz到/opt/module/目录下
  • 修改apache-hive-3.1.2-bin文件夹名为hive-3.1.2
  • 添加环境变量
vim /etc/profile.d/my_env.sh
# HIVE_HOME
export HIVE_HOME=/opt/module/hive-3.1.2
export PATH=$PATH:$HIVE_HOME/bin

# 生效
source /etc/profile.d/my_env.sh

解决日志jar包冲突

mv $HIVE_HOME/lib/log4j-slf4j-impl-2.10.0.jar $HIVE_HOME/lib/log4j-slf4j-impl-2.10.0.jar.bak
  • 复制mysql-connector-java-5.1.27-bin.jar到hive lib目录
  • 初始化元数据
bin/schematool -dbType derby -initSchema

启动Hive

  • 启动hadoop、yarn
    • hadoop启动后有安全模式，等待安全模式退出后再启动hive
    • hdfs hadoop001:9870
      • nameNode服务端口号8020
    • yarn hadoop002:8088
      • resourceManager服务端口号 8032
    • history hadoop001:19888
      • 服务端口号10020

启动hive

bin/hive

hive日志目录

/tmp/启动hive用户名/hive.log

默认存储路径

/user/hive/warehouse
  • 默认derby是单用户模式，所以要换成mysql
  • 复制mysql-connector-java-5.1.27-bin.jar到hive lib目录
  • 配置Metastore到mysql，添加配置文件hive/conf/hive-site.xml
<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
    <!-- jdbc连接的URL -->
    <property>
        <name>javax.jdo.option.ConnectionURL</name>
        <value>jdbc:mysql://hadoop001:3306/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username -->
    <property>
        <name>javax.jdo.option.ConnectionUserName</name>
        <value>root</value>
    </property>
    <!-- jdbc连接password -->
    <property>
        <name>javax.jdo.option.ConnectionPassword</name>
        <value>1234</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>
    <!-- hive元数据存储版本的验证 不使用derby -->
    <property>
        <name>hive.metastore.schema.verification</name>
        <value>false</value>
    </property>
    <!-- 元数据存储授权 -->
    <property>
        <name>hive.metastore.event.db.notification.api.auth</name>
        <value>false</value>
    </property>
</configuration>

Mysql安装

  • 检查当前系统是否安装过mysql
rpm -qa | grep mariadb

卸载安装

sudo rpm -e --nodeps mariadb-libs
  • 依次安装以下rpm包
    • 电商3.0资料文件夹中
sudo rpm -ivh mysql-community-common-5.7.16-1.el7.x86_64.rpm
sudo rpm -ivh mysql-community-libs-5.7.16-1.el7.x86_64.rpm
sudo rpm -ivh mysql-community-libs-compat-5.7.16-1.el7.x86_64.rpm
sudo rpm -ivh mysql-community-client-5.7.16-1.el7.x86_64.rpm
sudo rpm -ivh mysql-community-server-5.7.16-1.el7.x86_64.rpm

如果linux是最小化安装 在安装mysql-community-server时会提示缺少依赖:libaio.so，解决办法

yum install -y libaio
  • 删除/etc/my.cnf文件中datadir指向的目录下的所有内容
  • 初始化数据库
sudo mysqld --initialize --user=mysql

查看临时生成的root用户密码

sudo cat /var/log/mysqld.log

启动mysql服务

sudo systemctl start mysqld
  • 登录mysql数据库
  • 必须先修改root用户的密码，否则执行其他操作会报错
set password = password("新密码");

修改mysql库user表中root用户允许任意ip连接

update mysql.user set host="%" where user='root';
flush privileges;

创建元数据库

create database metastore
  • 初始化hive元数据库
    • -verbose 显示详细信息
schematool -initSchema -dbType mysql -verbose

建表语句也就是向元数据库写入表名与hdfs路径关系

  • 数据库路径

表名

hdfs路径=数据库路径+表名

使用元数据服务的方式连接Hive

  • 在hive-site.xml文件中添加如下配置信息
    <!-- 指定存储元数据要连接的地址 -->
    <property>
    <name>hive.metastore.uris</name>
    <value>thrift://hadoop001:9083</value>
    </property>
  • 先启动metastore
    • 启动后窗口不能再操作，需打开一个新的shell窗口做别的操作
bin/hive --service metastore

再启动hive

bin/hive

使用JDBC方式访问Hive

  • 在hive-site.xml文件中添加如下配置
    <!-- 指定hiveserver2连接的host -->
    <property>
        <name>hive.server2.thrift.bind.host</name>
        <value>hadoop001</value>
    </property>
    <!-- 指定hiveserver2连接的端口号 -->
    <property>
        <name>hive.server2.thrift.bind.port</name>
        <value>10000</value>
    </property>
  • 启动hiveserver2
    • hadoop core-site.xml设置proxy代理用户
    • 先启动metastore
bin/hive --service hiveserver2

启动beeline客户端

bin/beeline -u jdbc:hive2://hadoop001:10000 -n 用户名

hive启动脚本

shell命令 ：

  • nohup 放在命令开头，表示不挂起，也就是关闭终端进行也继续保持运行状态
  • /dev/null 是linux系统的一个文件 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
# 将命令运行的结果输出到file中并保持命令启动的进程在后腰运行
nohup [xxx命令操作] > file 2>&1 &  
#!/bin/bash
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 -ntlp 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 $cmd || echo "Metastore服务已启动"
    server2pid=$(check_process HiveServer2 10000)
    cmd="nohup 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

-z 判断字符串长度是否为零 返回true/false

[ -z "$metapid" ]

-v 排除 -i 包含

grep -v grep | grep -i $1

启动hive

bin/hiveservice.sh start
bin/beeline -u jdbc:hive2://hadoop001:10000 -n hadoop

其他交互方式

bin/hive -e
bin/hive -f
  • -e 命令行执行sql语句
  • -f 指定文件执行sql语句
  • hive cli命令窗口中查看hdfs文件系统
hive> dfs -ls /;

查看hive中输入的所有历史命令

/root 或者 /home/用户
cat .hivehistory

shell 切到上一次所在目录 cd –

Hive常见属性配置

  • hive的log默认保存在/tmp/用户/hive.log目录下
  • 修改hive的log存放日志到/opt/module/hive/logs
    • 修改/opt/module/hive/conf/hive-log4j.properties.template文件名称为hive-log4j.properties
    • 在log4j.properties文件中修改log存放位置
property.hive.log.dir=/opt/module/hive/logs
  • 打印当前库和表头
    • 在hive-site.xml中加入如下两个配置
    <!-- 打印当前库 -->
    <property>
        <name>hive.cli.print.current.db</name>
        <value>true</value>
    </property>
    <!-- 打印表头 -->
    <property>
        <name>hive.cli.print.header</name>
        <value>true</value>
    </property>

参数配置方式

  • 查看当前所有的配置信息
set;

查看某一个配置信息

set mapred.reduce.tasks;

配置参数的三种方式

  • 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
    • 用户自定义配置会覆盖默认配置
    • hive也会读取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
  • 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
    • 仅对本次hive启动有效
bin/hive -hiveconf mapred.reduce.tasks=10;
  • 参数声明方式
    • 可以在HQL中使用set关键字设定参数
    • 仅对本次hive启动有效
set mapred.reduce.tasks=10;

优先级：参数声明 > 命令行参数 > 配置文件

Newer hive-03 数据类型
Older hive-01 基本概念