一、初识Hive

1、Hive简介

    (1) 什么是Hive?

Hive是基于Hadoop的一个数据仓库
可以将结构化的数据文件映射为一张数据表，并提供类SQL查询功能，Hive底层是将SQL语句转换为MapReduce任务运行

    (2)为什么使用Hive？

• 直接使用Hadoop的问题

（1）人员学习成本高，写MapReduce程序时，就得要求学习人员对java有一定的了解，这就多增加了一门课程的学习难度。
（2）项目周期要求太短，一般来说，项目不是有太多的时间让你去现学然后再来做，所以这就增加了初学者的难度。
（3）MapReduce 实现复杂查询逻辑开发难度太大

• Hive的优势

（1）操作接口采用类 SQL 的语法，提供快速开发的能力
（2）避免写 MapReduce，减少开发人员的学习成本
（3）功能扩展很方便

2、Hive架构

对架构的解释
1、用户接口

CLI：Shell 终端命令行，最常用（学习、调试、生产）
JDBC/ODBC：是 Hive 的 Java 实现，与传统数据库 JDBC 类似， 用户（开发员、运维人员） 通过这连接至 Hive Server
Web UI：通过浏览器访问 Hive，方式是ip:9999/hwi?

2、Thrift Server（跨语言服务）
3、Metastore（元数据存储）

1、什么是元数据？
通俗的讲，就是存储在 Hive 中的数据的描述信息。
2、Hive 的元数据包括什么？
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、默认存在哪里？
MetaStore 默认存在自带的 Derby 数据库中
缺点：不适合多用户操作，数据存储目录不固定。数据库跟着 Hive 走（也就是说在哪启动hive，derby数据库就在哪），极度不方便管理。
解决方案：通常将其存在我们自己创建的 MySQL 库中（本地 或 远程）

4、解析器（驱动Driver）Hive的核心

组成结构：
    编译器（Compiler）
    优化器（Optimizer）
    执行器（Executor）
Driver 组件完成 HQL 查询语句从词法分析、语法分析、编译、优化以及逻辑执行计划的生成。生成的逻辑执行计划存储在 HDFS 中，并随后由 MapReduce 调用执行 。
执行流程：
   输入一条 HQL 查询语句（select * from table）
   解析器对这条 HQL 语句进行语法分析
   编译器对这条 HQL 语句生成 HQL 的执行计划
   优化器生成最佳的 HQL 的执行计划
   执行器执行这条最佳 HQL 语句
HiveQL 通过命令行或者客户端提交，经过 Compiler 编译器，运用 MetaStore 中的元数据进行类型检测和语法分析，生成一个逻辑方案(logical plan)，然后通过优化处理，产生一个 MapReduce 任务。

3、Hive 与 Hadoop 的关系

Hive的运行流程

Hive 依赖 HDFS 存储数据
利用 MapReduce 查询数据
所以说 Hive 是基于 Hadoop 的一个数据仓库工具，实质就是一款基于 HDFS 的 MapReduce 计算框架。

4、Hive 和 RDBMS 的对比

总结：Hive 具有 SQL 数据库的外表，但应用场景完全不同， Hive 适合用来做批量海量数据统计分析，也就是数据仓库。

5、Hive 的数据存储

数据存储位置：HDFS
数据格式：没有定义专门的数据存储格式，数据格式可由用户指定，只需要在创建表的时候指定三个属性：
 列分隔符：空格、"\t"等
 行分隔符："\n"
 读取文件数据的方法(默认为 TextFile)
  TextFile 为默认格式，存储方式为行存储。
  SequenceFile 二进制文件，以<key,value>的形式序列化到文件中，存储方式为行存储。
  RCFile存储方式为按行分块，每块按照列存储。
数据模型
 db：数据库
   在 HDFS 中表现为 ${hive.metastore.warehouse.dir} 目录下一个文件夹(默认值为/user/hive/warehouse)
 table：普通表（内部表）
   在 HDFS 中表现所属 db 目录下一个文件夹
 external table：外部表
   与 table 类似，不过其数据存放位置可以在任意指定路径
 partition：分区
   在 HDFS 中表现为 table 目录下的子目录
 bucket：分桶
   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，会根据不同的文件把数据放到不同的文件中

二、Hive 环境搭建

1、Hive 三种运行模式

1、内嵌模式
  元数据保存在本地内嵌的 Derby 数据库，这是使用 Hive 最简单的方式。
这种方式缺点也比较明显，因为一个内嵌的 Derby 数据库每次只能访问一个数据文件，这也就意味着它不支持多会话连接。并且数据存储目录不固定，数据库跟着 Hive 走，极度不方便管理。
2、本地模式这种方式一般作为公司内部同时使用 Hive
  元数据保存在本地独立的数据库中（一般是 MySQL）
  多用户的模式，允许多个用户连接到一个数据库
前提：每个用户必须要有对 MySQL 的访问权利，即用户需要知道 MySQL 的用户名和密码。
3、远程模式
  此模式应用于 Hive 客户端较多的情况
  把 MySQL 数据库独立出来，将元数据保存在远程独立的数据库中（一般是 MySQL）避免了在每个客户端都安装 MySQL 服务从而造成冗余浪费的情况
  多用户的模式
好处：无需知道 MySQL 的用户名和密码

2、Hive的安装

   (1)前期准备

1）保证 Hadoop 集群搭建成功并启动
Hadoop集群的搭建参考：https://www.jianshu.com/p/f9aaeabc4ad4
2）下载 Hive 安装包并上传至 Linux 服务器
下载地址：https://mirrors.tuna.tsinghua.edu.cn/apache/hive/
官网：https://hive.apache.org/
或者在网盘下载：https://pan.baidu.com/s/1oJGOVtpKx1MaUFIe2w8SyA
使用命令上传下载的文件apache-hive-1.2.1-bin.tar到Linux

我在桌面上建立了一个software目录，hadoop安装的时候也放在这里了。这里也将hive上传并安装到此目录。

[cj@hadoop-01 software]$ rz

3）解压 Hive 安装包

[cj@hadoop-01 software]$ tar -zxvf apache-hive-1.2.1-bin.tar.gz

解压后hive包的名字很长，为了方便使用，我先改个名字，改成hive-1.2.1

[cj@hadoop-01 software]$ mv apache-hive-1.2.1-bin hive-1.2.1

4）配置环境变量
要配置环境变量，需要知道hive的家目录(即解压在哪里了)，可以通过以下方式获得，进入解压hive的目录，再进入hive，然后使用pwd得到的值就是我们配置环境变量时需要的结果
注意：每个人的路径不一样，需要根据自己的Hive的实际解压路径来确定，我的是/home/cj/Desktop/software/hive-1.2.1

[cj@hadoop-01 software]$ cd hive-1.2.1/
[cj@hadoop-01 hive-1.2.1]$ pwd
/home/cj/Desktop/software/hive-1.2.1

把自己pwd得到的这个路径/home/cj/Desktop/software/hive-1.2.1复制下来，以便配置环境变量对的时候使用

编辑配置文件，使用命令：

vim  ~/.bash_profile

将将以下内容添加到配置文件的底部

export HIVE_HOME=/home/cj/Desktop/software/hive-1.2.1
export PATH=$PATH:$HIVE_HOME/bin

让配置文件立即生效：

source ~/.bash_profile

验证 Hive，Hive 没有提供 hive –version 这种方式查看版本，所以使用如下命令：

hive --help

到此hive的基础配置完成，接下来是三种模式的搭建

  (2)三种运行模式

  1、内嵌模式安装

(1)切换到 HIVE_HOME/conf 目录下，修改 hive-env.sh 配置文件：

[cj@hadoop-01 ~]$ cd Desktop/software/hive-1.2.1/conf/

会发现里边是没有hive-env.sh，只有一个hive-env.sh.template，使用cp命令复制一份并命名成hive-env.sh

[cj@hadoop-01 conf]$ cp hive-env.sh.template hive-env.sh

(2)在 hive-env.sh 中添加 Hadoop 安装目录：

这个是根据自己的hadoop的安装目录来确定的，我的是/home/cj/Desktop/software/hadoop-2.6.5
如果不记得hadoop的安装路径，可以通过下边的命令来查

[cj@hadoop-01 conf]$ echo $HADOOP_HOME
/home/cj/Desktop/software/hadoop-2.6.5

或者直接查看~/.bash_profile文件，里边的HADOOP_HOME=后边的值就是hadoop的安装路径，把这个路径复制下来。方便配置hive-env.sh的时候使用
把hadoop的安装目录添加到hive-env.sh中

[cj@hadoop-01 conf]$ vim hive-env.sh

替换 Hadoop 安装包中的 jline
   Hadoop（%HADOOP_HOME%/share/hadoop/yarn/lib）集群的 jline-0.9.94.jar 包版本过低，替换成 %HIVE_HOME%/lib 中的 jline-2.12.jar 包即可。
注意：所有的节点都得替换，不是只有安装 Hive 的节点

使用如下命令来复制hive中jline到hadoop中

[cj@hadoop-01 lib]$ cd ~/Desktop/software/hive-1.2.1/lib/
[cj@hadoop-01 lib]$ cp jline-2.12.jar ~/Desktop/software/hadoop-2.6.5/share/hadoop/yarn/lib/

然后删除hadoop中的jline-0.9.94.jar，hadoop集群中的所有机器上都需要删除jline-0.9.94.jar，并替换成jline-2.12.jar

[cj@hadoop-01 lib]$ cd ~/Desktop/software/hadoop-2.6.5/share/hadoop/yarn/lib/
[cj@hadoop-01 lib]$ rm -rf jline-0.9.94.jar 

删除另外两个节点上的jline-0.9.94.jar

[cj@hadoop-02 ~]$ cd ~/Desktop/software/hadoop-2.6.5/share/hadoop/yarn/lib/
[cj@hadoop-02 lib]$ rm -rf jline-0.9.94.jar 

[cj@hadoop-03 ~]$ cd ~/Desktop/software/hadoop-2.6.5/share/hadoop/yarn/lib/
[cj@hadoop-03 lib]$ rm -rf jline-0.9.94.jar 

然后再把hive中的jline拷贝到另外两个节点的~/Desktop/software/hadoop-2.6.5/share/hadoop/yarn/lib/目录下

[cj@hadoop-01 lib]$ scp -r jline-2.12.jar cj@hadoop-02:$PWD
[cj@hadoop-01 lib]$ scp -r jline-2.12.jar cj@hadoop-03:$PWD

这里直接使用主机名的前提是配置了hosts文件，如果没有，就直接用主机的ip。

使用 Hive 的三种连接方式之一：CLI 启动 Hive

[cj@hadoop-01 ~]$ hive

使用quit退出hive

hive> quit;

在当前目录生成一个 derby 文件和一个 metastore_db 目录，这种存储方式的弊端是在同一个目录下同时只能有一个 Hive 客户端能使用数据库，否则会提示如下错误（这是一个很常见的错误）:

这样，内嵌模式就算是搭建完成了。

  2、本地模式安装

  （1）安装 MySQL

检查以前是否安装过 MySQL，若有则卸载：
查找：rpm -qa | grep -i mysql

[cj@hadoop-01 ~]$ rpm -qa | grep -i mysql
mysql-libs-5.1.73-7.el6.x86_64

卸载：rpm -e --nodeps mysql-libs-5.1.73-7.el6.x86_64
如果直接用普通用户权限卸载是会出如下错误的。

[cj@hadoop-01 ~]$ rpm -e --nodeps mysql-libs-5.1.73-7.el6.x86_64
error: can't create transaction lock on /var/lib/rpm/.rpm.lock (Permission denied)

用su命令提升为root权限,然后再卸载

[root@hadoop-01 cj]# rpm -e --nodeps mysql-libs-5.1.73-7.el6.x86_64

删除老版本 MySQL 的开发头文件和库：
  注意：卸载后 /var/lib/mysql（数据库文件的存放目录） 中的数据及 /etc/my.cnf（配置文件） 不会删除， 确定没用后就手工删除。

[cj@hadoop-01 ~]$ rm -rf /usr/lib/mysql
[cj@hadoop-01 ~]$ rm -rf /usr/include/mysql
[cj@hadoop-01 ~]$ rm -f /etc/my.cnf
[cj@hadoop-01 ~]$ rm -rf /var/lib/mysql

准备安装包，上传至Linux服务器并解压：
安装包的下载地址：https://pan.baidu.com/s/1g6cW73kWlfMZBilPTL8tNg
下载好之后就上传到Linnux，这里还是传到我的~/Desktop/software里边的

解压文件

[cj@hadoop-01 software]$ tar -xvf MySQL-5.6.26-1.linux_glibc2.5.x86_64.rpm-bundle.tar 

安装服务端Server：
安装的时候得切到root用户

[root@hadoop-01 software]# rpm -ivh MySQL-server-5.6.26-1.linux_glibc2.5.x86_64.rpm

完成之后会在打印的信息中有这么一段，里边指明了初始密码的所在路径，记住这个路径，后边用密码的时候去里边找

安装客户端client：

[root@hadoop-01 software]# rpm -ivh MySQL-client-5.6.26-1.linux_glibc2.5.x86_64.rpm

开启MySQL服务：root权限

[root@hadoop-01 software]# service mysql start
Starting MySQL.. SUCCESS! 

登录MySQL，初始密码在/root/.mysql_secret这个文件里：

查看密码,结合密码登录数据库，使用命令：mysql -u<用户名> -p<密码>

[root@hadoop-01 mysql]# cat /root/.mysql_secret 
# The random password set for the root user at Thu Nov 15 19:25:39 2018 (local time): I6ZR7ypIGxvmHmhr
[root@hadoop-01 mysql]# mysql -uroot -pI6ZR7ypIGxvmHmhr

修改登录密码，使用命令：set PASSWORD=PASSWORD('密码');，命令不区分大小写。
修改完成，退出MySQL，重新登录验证密码是否修改成功

mysql> set password=password('123456');

增加远程登录权限(主要是允许xx用户在Hive安装主机上进行远程登陆)，执行以下三个命令：

mysql> grant all privileges on *.* to 'root'@'%' identified by '123456' with grant option;
mysql> grant all privileges on *.* to 'root'@'hadoop-01' identified by '123456' with grant option;
mysql> flush privileges;

命令释义：
grant 权限1,权限2,…权限n on 数据库名称 . 表名称 to 用户名@用户地址 identified by '密码';
当权限1,权限2,…权限n 被 all privileges 或者 all 代替，表示赋予用户全部权限。select， insert， update， delete， create， drop， index， alter， grant，references， reload， shutdown， process， file 等 14 个权限。
数据库名称 . 表名称：被*.*代替时，表示赋予用户操作服务器上所有数据库所有表的权限。
用户名@用户地址 ：用户地址可以是 localhost，也可以是 ip 地址、主机名、域名。也可以用%（任何主机）地址连接。'root'@'hadoop01'含义就是允许 root 用户在 hadoop-01（Hive 安装主机） 进行远程登陆，并设置 root 用户的密码为 123456。
with grant option：用于对象授权。使用 with grant option，被授权用户可将所获得的权限再次授予其它用户或角色。
flush privileges：告诉服务器重新加载授权表。

（2）修改 Hive 配置（切回普通用户）

1)修改 Hive 配置文件(路径/home/cj/Desktop/software/hive-1.2.1/conf)，每个人的路径不一样，根据实际路径来，使用命令：

[cj@hadoop-01 conf]$ vim hive-site.xml

在里边加入如下的内容

<configuration>
<property>
<name>javax.jdo.option.ConnectionURL</name>
<value>jdbc:mysql://hadoop-01:3306/hivedb?createDatabaseIfNotExist=true</value>
<description>JDBC connect string for a JDBC metastore</description>
</property>
<property>
<name>javax.jdo.option.ConnectionDriverName</name>
<value>com.mysql.jdbc.Driver</value>
<description>Driver class name for a JDBC metastore</description>
</property>
<property>
<name>javax.jdo.option.ConnectionUserName</name>
<value>root</value>
<description>username to use against metastore database</description>
</property>
<property>
<name>javax.jdo.option.ConnectionPassword</name>
<value>123456</value>
<description>password to use against metastore database</description>
</property>
</configuration>

对各字段的解释：
javax.jdo.option.ConnectionURL：JDBC连接字符串
javax.jdo.option.ConnectionDriverName：JDBC的driver
javax.jdo.option.ConnectionUserName：登录数据库的用户名
javax.jdo.option.ConnectionPassword：登录数据库的密码

修改hive-env.sh文件，在里边把48行的注释取消，然后把值改成hadoop的安装目录，如图：

2. 将 MySQL 的驱动包（mysql-connector-java-5.1.40-bin.jar）放到 %HIVE_HOME%/lib 目录下,我的是/home/cj/Desktop/software/hive-1.2.1/lib，作用是方便远程连接mysql。
   下载地址：https://pan.baidu.com/s/1hGGhb6ehf27TflcE5vsg9Q
   准备好jar包后，直接进入这个目录，用rz命令上传即可。

[cj@hadoop-01 lib]$ rz

启动mysql服务

[cj@hadoop-01 ~]$ service mysql start

启动hive

[cj@hadoop-01 ~]$ hive

3、远程模式安装

(1)简介

这种模式需要使用 HIVE_HOME/bin 目录下提供的 beeline+hiveserver2 配合使用才可以。
其原理就是将 metadata 作为一个单独的服务进行启动。各种客户端通过 beeline 来连接，连接之前无需知道数据库的用户名和密码。

(2)安装步骤：

首先把hadoop-01上的hive的安装包拷贝到hadoop-03的相同目录上，我的所有服务器上都在桌面上建了相同的目录~/Desktop/software,所以就拷贝到这个目录下，使用如下命令：

[cj@hadoop-01 software]$ scp -r hive-1.2.1/ cj@hadoop-03:$PWD

等待复制完成，然后可以在hadoop-03上看到hive的目录hive-1.2.1

(1) 因其连接之前无需知道数据库的用户名和密码，所以在/home/cj/Desktop/software/hive-1.2.1/conf下的配置文件 hive-site.xml 中只需要配置以下两项即可，其他步骤和本地模式一样：
这里需要注意的是因为我们把hive和mysql都装在了同一台服务器上，所谓远程连接，我们需要把mysql拷贝一份到其他的服务器，这里是以hadoop-03作为远程连接的机器。

<configuration>
<property>
<name>javax.jdo.option.ConnectionURL</name>
<value>jdbc:mysql://hadoop-01:3306/hivedb?createDatabaseIfNotExist=true</value>
<description>JDBC connect string for a JDBC metastore</description>
</property>
<property>
<name>javax.jdo.option.ConnectionDriverName</name>
<value>com.mysql.jdbc.Driver</value>
<description>Driver class name for a JDBC metastore</description>
</property>
</configuration>

(2)配置环境变量~/.bash_profile，把hive的安装目录添加进去，使用pwd获得全路径。

[cj@hadoop-03 conf]$ pwd
/home/cj/Desktop/software/hive-1.2.1/conf
[cj@hadoop-03 conf]$ vim ~/.bash_profile 

把以下两个添加到.bash_profile的后边

export HIVE_HOME=/home/cj/Desktop/software/hive-1.2.1
export PATH=$PATH:$HIVE_HOME/bin

让配置文件立即生效

[cj@hadoop-03 conf]$ source ~/.bash_profile 

Hive 启动 hive thrift 服务端，使用命令：

[cj@hadoop-01 hive-1.2.1]$ hiveserver2 

如图：这里标明了操作状态

启动后命令行会一直监听不退出，然后我们再创建一个hadoop-01的连接，使用进程查看命令netstat -natp查看，我们可以看到它监听了10000端口：

然后在hadoop-03中执行 beeline 命令（在哪个路径下执行都可以）：

[cj@hadoop-03 conf]$ beeline

默认端口为 10000，可通过 hive.server2.thrift.port 参数调整,beeline> !connect jdbc:hive2://hadoop-01:10000，这条命令之中，hadoop-01：mysql所在的节点，我的是把mysql装在了hadoop-01上，还有，在这里使用hadoop-01的前提是配置了/etc/hosts里边配置了地址映射（每台机器都需要）

看到这样的结果就说明远程模式搭建可以了。

3、 Hive 的三种连接方式

1、CLI
2、HiveServer2/beeline
3、Web UI这种方式相对前两种来说，用得比较少，所以这里不做详细介绍。这个还需要额外的配置。