2022-01-17 | 标签 Hadoop MapReduce Hive HDFS

1. 基础概念

1.1 什么是Hive

1） hive 简介

Hive：由 Facebook 开源用于解决海量结构化日志的数据统计工具。
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。

2） Hive 本质：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 上把写的SQL翻译成MR，MR读HDFS中的数据，交给Yarn去运行，Hive相当于Hadoop的客户端用MR能解决的问题，Hive有可能解决不了。用Hive能解决的问题，MR一定能解决。

截屏2022-01-17 下午5.38.28.png

1.2 Hive 的优缺点

1.2.1 Hive的优点

（1）操作接口采用类 SQL 语法，提供快速开发的能力（简单、容易上手）。（2）避免了去写 MapReduce，减少开发人员的学习成本。（3）Hive 的执行延迟比较高，因此 Hive 常用于数据分析，对实时性要求不高的场合。（4）Hive 优势在于处理大数据，对于处理小数据没有优势，因为 Hive 的执行延迟比较高。（5）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。

1.2.2 Hive的缺点

1）Hive 的 HQL 表达能力有限

（1）迭代式算法无法表达，（第一个map的输出作为第二个map的输入，hadoop不支持，就是有向无环图嘛）（2）数据挖掘方面不擅长，由于 MapReduce 数据处理流程的限制，效率更高的算法却无法实现。（一般数据挖掘都会涉及到迭代计算，另一方面mr执行太慢，效率太低）

2）Hive 的效率比较低

（1）Hive 自动生成的 MapReduce 作业，通常情况下不够智能化（2）Hive 调优比较困难，粒度较粗。（hive本身调优，就是从SQL本身调优，更多的还是依赖于hadoop的调优）

1.3 Hive架构

截屏2022-01-17 下午5.37.17.png

1）用户接口：Client

CLI（command-line interface）、JDBC/ODBC(jdbc 访问 hive)、WEBUI（浏览器访问 hive）

2）元数据：Metastore

元数据包括：表名、表所属的数据库（默认是 default）、表的拥有者、列/分区字段、表的类型（是否是外部表）、表的数据所在目录等；默认存储在自带的 derby 数据库中，推荐使用 MySQL 存储 Metastore

3）Hadoop

使用 HDFS 进行存储，使用 MapReduce 进行计算。

4）驱动器：Driver

（1）解析器（SQL Parser）：将 SQL 字符串转换成抽象语法树 AST，这一步一般都用第三方工具库完成，比如 antlr；对 AST 进行语法分析，比如表是否存在、字段是否存在、SQL 语义是否有误。（2）编译器（Physical Plan）：将 AST 编译生成逻辑执行计划。（3）优化器（Query Optimizer）：对逻辑执行计划进行优化。（4）执行器（Execution）：把逻辑执行计划转换成可以运行的物理计划。对于Hive来说，就是 MR/Spark。

截屏2022-01-17 下午5.39.24.png Hive 通过给用户提供的一系列交互接口，接收到用户的指令(SQL)，使用自己的 Driver，结合元数据(MetaStore)，将这些指令翻译成 MapReduce，提交到 Hadoop 中执行，最后，将执行返回的结果输出到用户交互接口。

1.4 Hive 和数据库比较

由于 Hive 采用了类似 SQL 的查询语言 HQL(Hive Query Language)，因此很容易将 Hive 理解为数据库。其实从结构上来看，Hive 和数据库除了拥有类似的查询语言，再无类似之处。本文将从多个方面来阐述 Hive 和数据库的差异。数据库可以用在 Online 的应用中，但是 Hive 是为数据仓库而设计的，清楚这一点，有助于从应用角度理解 Hive 的特性。

1.4.1 查询语言

由于 SQL 被广泛的应用在数据仓库中，因此，专门针对 Hive 的特性设计了类 SQL 的查询语言 HQL。熟悉 SQL 开发的开发者可以很方便的使用 Hive 进行开发。

1.4.2 数据更新

由于 Hive 是针对数据仓库应用设计的，而数据仓库的内容是读多写少的。因此，Hive 中不建议对数据的改写，所有的数据都是在加载的时候确定好的。而数据库中的数据通常是需要经常进行修改的，因此可以使用 INSERT INTO … VALUES 添加数据，使用 UPDATE … SET 修改数据。

1.4.3 执行延迟

Hive 在查询数据的时候，由于没有索引，需要扫描整个表，因此延迟较高。另外一个导致 Hive 执行延迟高的因素是 MapReduce 框架。由于 MapReduce 本身具有较高的延迟，因此在利用 MapReduce 执行 Hive 查询时，也会有较高的延迟。相对的，数据库的执行延迟较低。当然，这个低是有条件的，即数据规模较小，当数据规模大到超过数据库的处理能力的时候， Hive 的并行计算显然能体现出优势。

1.4.4 数据规模

由于 Hive 建立在集群上并可以利用 MapReduce 进行并行计算，因此可以支持很大规模的数据；对应的，数据库可以支持的数据规模较小。

2. Hive安装

2.1 Hive安装地址

2.2 Hive 安装部署

2.2.1 安装 Hive

1）把 apache-hive-3.1.2-bin.tar.gz 上传到 linux 的/opt/software 目录下

2）解压 apache-hive-3.1.2-bin.tar.gz 到/opt/module/目录下面

[mhk@hadoop102 software]$ tar -zxvf /opt/software/apache-hive-3.1.2- bin.tar.gz -C /opt/module/

3）修改 apache-hive-3.1.2-bin.tar.gz 的名称为 hive

[mhk@hadoop102 software]$ mv /opt/module/apache-hive-3.1.2-bin /opt/module/hive

4）修改/etc/profile.d/my_env.sh，添加环境变量

[mhk@hadoop102 software]$ sudo vim /etc/profile.d/my_env.sh

5）添加内容

#HIVE_HOME
export HIVE_HOME=/opt/module/hive
export PATH=$PATH:$HIVE_HOME/bin

6）解决日志 Jar 包冲突

[mhk@hadoop102 software]$ mv $HIVE_HOME/lib/log4j-slf4j-impl- 2.10.0.jar $HIVE_HOME/lib/log4j-slf4j-impl-2.10.0.bak

7）初始化元数据库

[mhk@hadoop102 hive]$ bin/schematool -dbType derby -initSchema 

2.2.2 启动并使用 Hive

1）启动 Hive

[mhk@hadoop102 hive]$ bin/hive

2）使用 Hive

hive> show databases;
hive> show tables;
hive> create table test(id int);
hive> insert into test values(1);
hive> select * from test;

3）在 CRT 窗口中开启另一个窗口开启 Hive，在/tmp/mhk 目录下监控 hive.log 文件

Caused by: ERROR XSDB6: Another instance of Derby may have already booted the database /opt/module/hive/metastore_db.
at org.apache.derby.iapi.error.StandardException.newException(Unknown Source)
at org.apache.derby.iapi.error.StandardException.newException(UnknownSource)
at org.apache.derby.impl.store.raw.data.BaseDataFileFactory.privGetJBMSLockO nDB(Unknown Source)
at org.apache.derby.impl.store.raw.data.BaseDataFileFactory.run(Unknown Source)
...

原因在于 Hive 默认使用的元数据库为 derby，开启 Hive 之后就会占用元数据库，且不与其他客户端共享数据，所以我们需要将 Hive 的元数据地址改为 MySQL。

2.3 MySQL 安装

1）检查当前系统是否安装过 MySQL

[mhk@hadoop102 ~]$ rpm -qa|grep mariadb mariadb-libs-5.5.56-2.el7.x86_64
//如果存在通过如下命令卸载
[mhk@hadoop102 ~]$ sudo rpm -e --nodeps mariadb-libs

2）将 MySQL 安装包拷贝到/opt/software 目录下

[mhk@hadoop102 software]$ ll
总用量 2026612
-rw-rw-r--. 1 mhk  mhk  312850286 1月  12 09:38 apache-hive-3.1.2-bin.tar.gz
-rw-rw-r--. 1 mhk  mhk    9311744 1月  10 16:12 apache-zookeeper-3.5.7-bin.tar.gz
-rw-r--r--. 1 root root 338075860 12月 14 10:22 hadoop-3.1.3.tar.gz
-rw-r--r--. 1 root root 195013152 12月 14 10:22 jdk-8u212-linux-x64.tar.gz
-rw-rw-r--. 1 mhk  mhk  609556480 1月  12 09:40 mysql-5.7.28-1.el7.x86_64.rpm-bundle.tar

3）解压 MySQL 安装包

[mhk@hadoop102 software]# tar -xf mysql-5.7.28-1.el7.x86_64.rpm- bundle.tar

-rw-r--r--. 1 mhk  mhk   45109364 9月  30 2019 mysql-community-client-5.7.28-1.el7.x86_64.rpm
-rw-r--r--. 1 mhk  mhk     318768 9月  30 2019 mysql-community-common-5.7.28-1.el7.x86_64.rpm
-rw-r--r--. 1 mhk  mhk    7037096 9月  30 2019 mysql-community-devel-5.7.28-1.el7.x86_64.rpm
-rw-r--r--. 1 mhk  mhk   49329100 9月  30 2019 mysql-community-embedded-5.7.28-1.el7.x86_64.rpm
-rw-r--r--. 1 mhk  mhk   23354908 9月  30 2019 mysql-community-embedded-compat-5.7.28-1.el7.x86_64.rpm
-rw-r--r--. 1 mhk  mhk  136837816 9月  30 2019 mysql-community-embedded-devel-5.7.28-1.el7.x86_64.rpm
-rw-r--r--. 1 mhk  mhk    4374364 9月  30 2019 mysql-community-libs-5.7.28-1.el7.x86_64.rpm
-rw-r--r--. 1 mhk  mhk    1353312 9月  30 2019 mysql-community-libs-compat-5.7.28-1.el7.x86_64.rpm
-rw-r--r--. 1 mhk  mhk  208694824 9月  30 2019 mysql-community-server-5.7.28-1.el7.x86_64.rpm
-rw-r--r--. 1 mhk  mhk  133129992 9月  30 2019 mysql-community-test-5.7.28-1.el7.x86_64.rpm

4）在安装目录下执行 rpm 安装

[mhk@hadoop102 software]$
sudo rpm -ivh mysql-community-common-5.7.28-1.el7.x86_64.rpm 
sudo rpm -ivh mysql-community-libs-5.7.28-1.el7.x86_64.rpm
sudo rpm -ivh mysql-community-libs-compat-5.7.28-1.el7.x86_64.rpm
sudo rpm -ivh mysql-community-client-5.7.28-1.el7.x86_64.rpm
sudo rpm -ivh mysql-community-server-5.7.28-1.el7.x86_64.rpm

注意:按照顺序依次执行

5）删除/etc/my.cnf 文件中 datadir 指向的目录下的所有内容,如果有内容的情况下:

查看 datadir 的值:

[mysqld] 
datadir=/var/lib/mysql

删除/var/lib/mysql 目录下的所有内容:

[mhk@hadoop102 mysql]# cd /var/lib/mysql
[mhk@hadoop102 mysql]# sudo rm -rf ./*	//注意执行命令的位置

6）初始化数据库

[mhk@hadoop102 opt]$ sudo mysqld --initialize --user=mysql

7）查看临时生成的 root 用户的密码

[mhk@hadoop102 opt]$ sudo cat /var/log/mysqld.log

8）启动 MySQL 服务

[mhk@hadoop102 opt]$ sudo systemctl start mysqld 

9）登录 MySQL 数据库

[mhk@hadoop102 opt]$ mysql -uroot -p
Enter password:	输入临时生成的密码

10）必须先修改 root 用户的密码,否则执行其他的操作会报错

mysql> set password = password("000000"); 

11）修改 mysql 库下的 user 表中的 root 用户允许任意 ip 连接

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

2.4 Hive 元数据配置到 MySQL

2.4.1 拷贝驱动

将 MySQL 的 JDBC 驱动拷贝到 Hive 的 lib 目录下

[mhk@hadoop102 software]$ cp /opt/software/mysql-connector-java- 5.1.37.jar $HIVE_HOME/lib

2.4.2 配置 Metastore 到 MySQL

1）在$HIVE_HOME/conf 目录下新建 hive-site.xml 文件

[mhk@hadoop102 software]$ vim $HIVE_HOME/conf/hive-site.xml

添加如下内容

<?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://hadoop102:3306/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 连接的 username-->
    <property>
        <name>javax.jdo.option.ConnectionUserName</name>
        <value>root</value>
    </property>


<!-- jdbc 连接的 password -->
    <property>
        <name>javax.jdo.option.ConnectionPassword</name>
        <value>000000</value>
    </property>
  
<!-- 默认是derby，但现在不用derby了，用mysql，不关这两个校验可能会导致MySQL起不来 -->
<!-- Hive 元数据存储版本的验证 -->
    <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>

<!-- Hive 默认在 HDFS 的工作目录 -->
    <property>
        <name>hive.metastore.warehouse.dir</name>
        <value>/user/hive/warehouse</value>
    </property>

</configuration>

2）登陆 MySQL

[mhk@hadoop102 software]$ mysql -uroot -p000000

3）新建 Hive元数据库

mysql> create database metastore; 
mysql> quit;

4）初始化 Hive 元数据库

[mhk@hadoop102 software]$ schematool -initSchema -dbType mysql - verbose

2.4.3 再次启动 Hive

1）启动 Hive

[mhk@hadoop102 hive]$ bin/hive

2）使用 Hive

hive> show databases;
hive> show tables;
hive> create table test (id int);
hive> insert into test values(1);
hive> select * from test;

3）在 CRT 窗口中开启另一个窗口开启 Hive

hive> show databases; 
hive> show tables; 
hive> select * from aa;

2.5 使用元数据服务的方式访问 Hive

1）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://hadoop102:9083</value>
</property>

2）启动 metastore

[mhk@hadoop102 hive]$ hive --service metastore
2022-01-17 18:32:49: Starting Hive Metastore Server

3）启动 hive

[mhk@hadoop102 hive]$ bin/hive

2.6 使用 JDBC 方式访问 Hive

1）在 hive-site.xml 文件中添加如下配置信息

<!-- 指定 hiveserver2 连接的 host -->
    <property>
        <name>hive.server2.thrift.bind.host</name>
        <value>hadoop102</value>
    </property> 

<!-- 指定 hiveserver2 连接的端口号 -->
   <property>
        <name>hive.server2.thrift.port</name>
        <value>10000</value>
    </property>

2）启动 hiveserver2 (需要多等待一会）

[mhk@hadoop102 hive]$ bin/hive --service hiveserver2

3）启动 beeline 客户端

[mhk@hadoop102 hive]$ bin/beeline -u jdbc:hive2://hadoop102:10000 -n mhk

4）看到如下界面

Connecting to jdbc:hive2://hadoop102:10000 
Connected to: Apache Hive (version 3.1.2) 
Driver: Hive JDBC (version 3.1.2)
Transaction isolation: TRANSACTION_REPEATABLE_READ 
Beeline version 3.1.2 by Apache Hive
0: jdbc:hive2://hadoop102:10000>

5）遇到的问题

启动hiveserver2遇到的坑

Could not connect to meta store using any of the URIs provided. Most recent failure: org.apache.thrift.transport.TTransportException: java.net.ConnectException: 拒绝连接 (Connection refused)

一直报这个错，按理说等待时间不应超过20分钟，可半个小时都起不来就说明出现了问题解决办法: 1.启动metastore

[mhk@hadoop102 hive]$ hive --service metastore                                                  
2022-01-12 15:32:20: Starting Hive Metastore Server      

2.在hive-site.xml里面添加设置impersonation，这样hive server会以提交用户的身份去执行语句，如果设置为false，则会以起hive server daemon的admin user来执行语句在hive-sit.xml中添加如下配置：

<property>
	<name>hive.server2.enable.doAs</name>
	<value>true</value>
</property>

2.7 Hive 常用交互命令

[mhk@hadoop102 hive]$ bin/hive -help
which: no hbase in (/usr/local/bin:/usr/bin:/usr/local/sbin:/usr/sbin:/opt/module/hadoop-3.1.3/bin:/opt/module/hadoop-3.1.3/sbin:/opt/module/jdk1.8.0_212/bin:/opt/module/hive/bin:/home/mhk/.local/bin:/home/mhk/bin)
Hive Session ID = 6943284e-56b9-4127-b690-5111ba95740a
usage: hive
 -d,--define <key=value>          Variable substitution to apply to Hive
                                  commands. e.g. -d A=B or --define A=B
    --database <databasename>     Specify the database to use
 -e <quoted-query-string>         SQL from command line
 -f <filename>                    SQL from files
 -H,--help                        Print help information
    --hiveconf <property=value>   Use value for given property
    --hivevar <key=value>         Variable substitution to apply to Hive
                                  commands. e.g. --hivevar A=B
 -i <filename>                    Initialization SQL file
 -S,--silent                      Silent mode in interactive shell
 -v,--verbose                     Verbose mode (echo executed SQL to the
                                  console)

1）“-e”不进入 hive 的交互窗口执行 sql 语句

[mhk@hadoop102 hive]$ bin/hive -e "select * from test;"
which: no hbase in (/usr/local/bin:/usr/bin:/usr/local/sbin:/usr/sbin:/opt/module/hadoop-3.1.3/bin:/opt/module/hadoop-3.1.3/sbin:/opt/module/jdk1.8.0_212/bin:/opt/module/hive/bin:/home/mhk/.local/bin:/home/mhk/bin)
Hive Session ID = 2f6cee24-c8e4-4348-87d9-28126161622d

Logging initialized using configuration in file:/opt/module/hive/conf/hive-log4j2.properties Async: true
Hive Session ID = ade2cfd7-17ce-4bb9-b12a-d73356cca4ef
OK
test.id
1001
1002
1003
Time taken: 6.508 seconds, Fetched: 3 row(s)

2）“-f”执行脚本中 sql 语句

在当前目录下创建hive.sql文件，写入如下内容(sql语句)

select * from test;
select count(*) from test;

执行文件中的 sql 语句

[mhk@hadoop102 hive]$ bin/hive -f hive.sql 
which: no hbase in (/usr/local/bin:/usr/bin:/usr/local/sbin:/usr/sbin:/opt/module/hadoop-3.1.3/bin:/opt/module/hadoop-3.1.3/sbin:/opt/module/jdk1.8.0_212/bin:/opt/module/hive/bin:/home/mhk/.local/bin:/home/mhk/bin)
Hive Session ID = 0c436560-54ce-45e0-ba3b-c1783ef3fd62

Logging initialized using configuration in file:/opt/module/hive/conf/hive-log4j2.properties Async: true
Hive Session ID = 672efbfb-9afc-40ad-bccb-890c545467f7
OK
test.id
1001
1002
1003
Time taken: 8.639 seconds, Fetched: 3 row(s)
OK
_c0
0
Time taken: 2.623 seconds, Fetched: 1 row(s)

2.8 Hive 其他命令操作

1）退出 hive 窗口

hive(default)>exit; 
hive(default)>quit;

2）在 hive cli 命令窗口中如何查看 hdfs 文件系统

hive (default)> dfs -ls /;
Found 3 items
drwxrwx---   - mhk supergroup          0 2022-01-12 11:01 /tmp
drwxr-xr-x   - mhk supergroup          0 2022-01-12 11:05 /user
drwxr-xr-x   - mhk supergroup          0 2021-12-20 14:15 /wcinput

3）查看在 hive 中输入的所有历史命令

（1）进入到当前用户的根目录 /root 或/home/mhk （2）查看. hivehistory 文件

[mhk@hadoop102 ~]$ cat .hivehistory 
show databases;
show tables
;
create table test(id string);
show tables;
insert into values('1001');
insert into test values('1001');
select * from test
;
show databases;

2.9 Hive 常见属性配置

2.9.1 Hive 运行日志信息配置

1）Hive 的 log 默认存放在/tmp/mhk/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-log4j2.properties.template 文件名称为 hive-log4j2.properties

[mhk@hadoop102 conf]$ pwd
/opt/module/hive/conf
[mhk@hadoop102 conf]$ mv hive-log4j2.properties.template hive- log4j2.properties

（2）在 hive-log4j2.properties 文件中修改 log 存放位置

hive.log.dir=/opt/module/hive/logs

2.9.2 打印当前库和表头

在 hive-site.xml 中加入如下两个配置:

<property>
	<name>hive.cli.print.header</name>
	<value>true</value>
</property>

<property>
	<name>hive.cli.print.current.db</name>
	<value>true</value>
</property>

2.9.3 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。注意：仅对本次 hive 启动有效

[mhk@hadoop102 hive]$ bin/hive -hiveconf hive.cli.print.header=false 
which: no hbase in (/usr/local/bin:/usr/bin:/usr/local/sbin:/usr/sbin:/opt/module/hadoop-3.1.3/bin:/opt/module/hadoop-3.1.3/sbin:/opt/module/jdk1.8.0_212/bin:/opt/module/hive/bin:/home/mhk/.local/bin:/home/mhk/bin)
Hive Session ID = cfe5116f-3249-41ae-8fce-93207eb94559

Logging initialized using configuration in file:/opt/module/hive/conf/hive-log4j2.properties Async: true
Hive-on-MR is deprecated in Hive 2 and may not be available in the future versions. Consider using a different execution engine (i.e. spark, tez) or using Hive 1.X releases.
Hive Session ID = b7e104cf-8cb3-4cf5-9a23-c9f6e959889c
hive (default)> select * from test;
OK
1001
1002
1003
Time taken: 5.339 seconds, Fetched: 3 row(s)

（3）参数声明方式可以在 HQL 中使用 SET 关键字设定参数注意：仅对本次 hive 启动有效。

hive (default)> set hive.cli.print.current.db=false;
hive> 

上述三种设定方式的优先级依次递增。即配置文件<命令行参数<参数声明。注意某些系统级的参数，例如 log4j 相关的设定，必须用前两种方式设定，因为那些参数的读取在会话建立以前已经完成了

1. 基础概念

1.1 什么是Hive

1） hive 简介

1.2 Hive 的优缺点

1.2.1 Hive的优点

1.2.2 Hive的缺点

1）Hive 的 HQL 表达能力有限

2）Hive 的效率比较低

1.3 Hive架构

1）用户接口：Client

2）元数据：Metastore

3）Hadoop

4）驱动器：Driver

1.4 Hive 和数据库比较

1.4.1 查询语言

1.4.2 数据更新

1.4.3 执行延迟

1.4.4 数据规模

2. Hive安装

2.1 Hive安装地址

1）Hive 官网地址

2）文档查看地址

3）下载地址

4）github 地址

2.2 Hive 安装部署

1）把 apache-hive-3.1.2-bin.tar.gz 上传到 linux 的/opt/software 目录下

2）解压 apache-hive-3.1.2-bin.tar.gz 到/opt/module/目录下面

3）修改 apache-hive-3.1.2-bin.tar.gz 的名称为 hive

4）修改/etc/profile.d/my_env.sh，添加环境变量

5）添加内容

6）解决日志 Jar 包冲突

7）初始化元数据库

2.2.2 启动并使用 Hive

1）启动 Hive

2）使用 Hive

3）在 CRT 窗口中开启另一个窗口开启 Hive，在/tmp/mhk 目录下监控 hive.log 文件

2.3 MySQL 安装

1）检查当前系统是否安装过 MySQL

2）将 MySQL 安装包拷贝到/opt/software 目录下

3）解压 MySQL 安装包

4）在安装目录下执行 rpm 安装

5）删除/etc/my.cnf 文件中 datadir 指向的目录下的所有内容,如果有内容的情况下:

6）初始化数据库

7）查看临时生成的 root 用户的密码

8）启动 MySQL 服务

9）登录 MySQL 数据库

10）必须先修改 root 用户的密码,否则执行其他的操作会报错

11）修改 mysql 库下的 user 表中的 root 用户允许任意 ip 连接

2.4 Hive 元数据配置到 MySQL

2.4.1 拷贝驱动

2.4.2 配置 Metastore 到 MySQL

1）在$HIVE_HOME/conf 目录下新建 hive-site.xml 文件

2）登陆 MySQL

3）新建 Hive元数据库

4）初始化 Hive 元数据库

2.4.3 再次启动 Hive

1）启动 Hive

2）使用 Hive

3）在 CRT 窗口中开启另一个窗口开启 Hive

2.5 使用元数据服务的方式访问 Hive

1）在 hive-site.xml 文件中添加如下配置信息

2）启动 metastore

3）启动 hive

2.6 使用 JDBC 方式访问 Hive

1）在 hive-site.xml 文件中添加如下配置信息

2）启动 hiveserver2 (需要多等待一会）

3）启动 beeline 客户端

4）看到如下界面

5）遇到的问题

2.7 Hive 常用交互命令

1）“-e”不进入 hive 的交互窗口执行 sql 语句

2）“-f”执行脚本中 sql 语句

2.8 Hive 其他命令操作

1）退出 hive 窗口

2）在 hive cli 命令窗口中如何查看 hdfs 文件系统

3）查看在 hive 中输入的所有历史命令

2.9 Hive 常见属性配置

2.9.1 Hive 运行日志信息配置

1）Hive 的 log 默认存放在/tmp/mhk/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

2.9.2 打印当前库和表头