60分钟内从零起步驾驭Hive实战学习笔记

SparkSQL前身是Shark，Shark强烈依赖于Hive。Spark原来没有做SQL多维度数据查询工具，后来开发了Shark，Shark依赖于Hive的解释引擎，部分在Spark中运行，还有一部分在Hadoop中运行。所以讲SparkSQL必须讲Hive。

一．Hive的本质:

1. Hive是分布式数据仓库，同时又是查询引擎，所以SparkSQL取代的只是Hives的查询引擎，在企业实际生产环境下，Hive+SparkSQL是目前最为经典的数据分析组合。

2. Hive本身就是一个简单单机版本的软件，主要负责：

A） 把HQL翻译成Mapper(s)-Reducer-Mapper(s)的代码，并且可能产生很多MapReduce的JOB。

B）把生成的MapReduce代码及相关资源打包成jar并发布到Hadoop集群中运行（这一切都是自动的）

3.Hive本身的架构如下所示：

可以通过CLI（命令终端）、JDBC/ODBC、Web GUI访问Hive。

JavaEE或.net程序可以通过Hive处理，再把处理的结果展示给用户。

也可以直接通过Web页面操作Hive。

※ Hive本身只是一个单机版本的的软件，怎么访问HDFS的呢？

=> 在Hive用Table的方式插入数据、检索数据等，这就需要知道数据放在HDFS的什么地方以及什么地方属于什么数据，Metastore就是保存这些元数据信息的。Hive通过访问元数据信息再去访问HDFS上的数据。

可以看出HDFS不是一个真实的文件系统，是虚拟的，是逻辑上的，HDFS只是一套软件而已，它是管理不同机器上的数据的，所以需要NameNode去管理元数据。DataNode去管理数据。

Hive通过Metastore和NameNode打交道。

二．Hive安装和配置实战

Spark1.6.1中SparkSQL可以指定具体的Hive的版本。

1. 从apache官网下载hive-1.2.1，并解压到/home/richard目录。

2. 配置.bashrc，追加以下内容：

export HIVE_HOME=/home/richard/hive-1.2.1

export HIVE_CONF_DIR=/$HIVE_HOME/conf

export PATH= PATH: HIVE_HOME/bin

1. 进入/home/richard/hive-1.2.1/conf目录，生成hive-env.sh:

cp hive-env.sh.template hive-env.sh

再生成hive-site.xml，并配置如下：

export HADOOP_HOME=/home/richard/hadoop-2.6.0

export HIVE_HOME=/home/richard/hive-1.2.1

export HIVE_CONF_DIR=/$HIVE_HOME/conf

cp hive-default.xml.template hive-site.xml

Hive默认情况下放元数据的数据库是Derby，遗憾的是Derby是单用户，所以在生产环境下一般会采用支持多用户的数据库来进行MetaStore，且进行Master-Slaves主从读写分离和备份（一般Master节点负责写数据，Slaves节点负责读数据）。最常用的是MySQL。

hive-site.xml配置如下：

<configuration>

<property>

<name>javax.jdo.option.ConnectionURLname>

<value>jdbc:mysql://slq1:3306/hive?createDatabaseIfNotExist=truevalue>

property>

<property>

<name>javax.jdo.option.ConnectionDriverNamename>

<value>com.mysql.jdbc.Drivervalue>

property>

<property>

<name>javax.jdo.option.ConnectionUserNamename>

<value>rootvalue>

property>

<property>

<name>javax.jdo.option.ConnectionPasswordname>

<value>123456value>

property>

<property>

<name>hive.metastore.dirname>

<value>/user/hive/warehousevalue>

property>

configuration>

Hive中的DataBase和表其实就是HDFS上的目录和简单的文本文件。简单的文本文件中有几列数据，每列数据的类型无法直接从文本文件中得知。但当数据放入Hive中，Hive就把元数据放入Mysql中了，这样就可以基于数据的表进行查询了。

1. MYSQL的安装和配置

root用户下执行yum -y install mysql-server即可自动安装

执行rpm -qa mysql-server可以查看是否安装成功及安装的mysql版本。

1. Hive的表有两种基本类型：一种是内部表（这种表数据属于Hive本身，即如果原来的数据在HDFS的其他地方，此时数据会通过HDFS移动到Hive所在目录，如果删除Hive中的该表的话数据和元数据均会被删除），一种是外部表（这种表数据不属于Hive数据仓库，元数据中会表达具体数据在哪里，使用时和内部表的使用一样，只是如果通过Hive去删除的话，删除的只是元数据，并没有删除数据本身）

三． 使用Hive分析搜索数据

启动HDFS/Yarn。注意如果要使用Hive进行查询就需要启动Yarn。

启动Hive。

通过show databases;可以查看数据库。默认database只有default。

creeate database hive;

use hive;

create table person(name String,age int);

insert into person values(‘richard’,’34’);

select * from person

即可查询！！