[TOC] # Hive简介及安装 ## 1. Hive基本概念 ### > Hive简介 #### 1.1.1 什么是Hive > 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数据库表，并提供类SQL查询功能。 #### 1.1.2 为什么使用Hive 1) 直接使用hadoop所面临的问题 > 人员学习成本太高 > 项目周期要求太短 > MapReduce实现复杂查询逻辑开发难度太大 2) 为什么要使用Hive > 操作接口采用类SQL语法，提供快速开发的能力。 > 避免了去写MapReduce，减少开发人员的学习成本。 > 功能扩展很方便。 #### 1.1.3 Hive的特点 1) 可扩展 > Hive可以自由的扩展集群的规模，一般情况下不需要重启服务。 2) 延展性 > Hive支持用户自定义函数，用户可以根据自己的需求来实现自己的函数。 3) 容错 > 良好的容错性，节点出现问题SQL仍可完成执行。 ### 1.2 Hive架构 #### 1.2.1 架构图  #### 1.2.2 基本组成 1. 用户接口：包括 CLI、JDBC/ODBC、WebGUI。 2. 元数据存储：通常是存储在关系数据库如 mysql , derby中。 3. 解释器、编译器、优化器、执行器。 #### 1.2.3 各组件的基本功能 1. 用户接口主要由三个：CLI、JDBC/ODBC和WebGUI。其中，CLI为shell命令行；JDBC/ODBC是Hive的JAVA实现，与传统数据库JDBC类似；WebGUI是通过浏览器访问Hive。 2. 元数据存储：Hive 将元数据存储在数据库中。Hive 中的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。 3. 解释器、编译器、优化器完成 HQL 查询语句从词法分析、语法分析、编译、优化以及查询计划的生成。生成的查询计划存储在 HDFS 中，并在随后有 MapReduce 调用执行。 ### 1.3 Hive与Hadoop的关系 > Hive利用HDFS存储数据，利用MapReduce查询分析数据  ### 1.4 Hive与传统数据库对比 > hive用于海量数据的离线数据分析  > 总结：hive具有关系型数据库的查询分析功能，但应用场景完全不同，hive只适合用来做批量数据统计分析，数据量大、对应的延迟较高！ ### 1.5 Hive的数据存储 1、 Hive中所有的数据都存储在 HDFS 中，没有专门的数据存储格式（可支持Text，SequenceFile，ParquetFile，RCFILE等） > SequenceFile是hadoop中的一种文件格式： > 文件内容是以序列化的kv对象来组织的 2、只需要在创建表的时候告诉 Hive 数据中的列分隔符和行分隔符，Hive 就可以解析数据。 3、Hive 中包含以下数据模型：DB、Table，External Table，Partition，Bucket。 > db：在hdfs中表现为${hive.metastore.warehouse.dir}目录下一个文件夹 > table：在hdfs中表现所属db目录下一个文件夹 > external table：与table类似，不过其数据存放位置可以在任意指定路径 > partition：在hdfs中表现为table目录下的子目录 > bucket：在hdfs中表现为同一个表目录下根据hash散列之后的多个文件 ### 1.6 HIVE的安装部署 #### 1.6.1 安装 > derby版： 1. 解压hive 2. 解决一下版本不兼容问题：替换 /var/local/hadoop/share/hadoop/yarn/lib中的老版本jline 为hive的lib中的jline-2.12.jar > 缺点：多个地方安装hive后，每一个hive是拥有一套自己的元数据，大家的库、表就不统一； > 元数据库mysql版： 1. 解压 2. 修改配置文件 3. 加载mysql数据驱动包 #### 1.6.2 使用方式 1) Hive交互shell ~~~ bin/hive ~~~ 2) Hive JDBC服务  > hive也可以启动为一个服务器，来对外提供 ~~~ 启动方式，（假如是在itcast01上）： 启动为前台：bin/hiveserver2 启动为后台：nohup bin/hiveserver2 1>/var/log/hiveserver.log 2>/var/log/hiveserver.err & ~~~ > 启动成功后，可以在别的节点上用beeline去连接 > 方式（1） > hive/bin/beeline 回车，进入beeline的命令界面 > 输入命令连接hiveserver2 > beeline> !connect jdbc:hive2://itcast01:10000 > （itcast01是hiveserver2所启动的那台主机名，端口默认是10000） > 方式（2） > 或者启动就连接： ~~~ bin/beeline -u jdbc:hive2://itcast01:10000 -n root ~~~ > 接下来就可以做正常sql查询了