数据仓库工具：Hive，数据仓库工具hive
数据仓库工具：Hive，数据仓库工具hive
为什么要选择Hive
基于Hadoop的大数据的计算/扩展能力
支持SQL like查询语言
统一的元数据管理
简单编程
Hive:
Hive 可以对数据进行管理和查询。
在hadoop生态圈中属于数据仓库的角色。他能够管理hadoop中的数据，同时可以查询hadoop中的数据。
本质上讲，hive是一个SQL解析引擎。Hive可以把SQL查询转换为MapReduce中的job来运行。
hive有一套映射工具，可以把SQL转换为MapReduce中的job，可以把SQL中的表、字段转换为HDFS中的文件(夹)以及文件中的列。
这套映射工具称之为metastore，一般存放在derby、mysql中。
Hive在hdfs中的默认位置是/user/hive/warehouse ,是由配置文件hive-conf.xml中属性hive.metastore.warehouse.dir决定的
Derby 数据库在哪里运行hive 就会在哪里创建。这就说明不能在不同的地方运行，运行要用同样的数据库。Derby数据库只允许一个客户端打开。
Hive的体系结构：
用户接口主要有三个：CTL，JDBC/ODBC和WebGUI
CTL，即shell命令行
JDBC/ODBC是hive的java,与使用传统数据库JDBC的方式类似
WebGUI是用过浏览器访问Hive.
Hive将元数据存储在数据库中（metastore），目前只支持mysqk、derby。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。
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。
Hive的数据存储在HDFS中，大部分的查询由MapReduce完成（包含的查询，像select from table不会生成MapReduce任务）
Hive安装
(1) 解压缩、重命名、设置环境变量
(2) 在目录 $HIVE_HOME/conf/下，执行命令
mv hive-default.xml.template hive-site.xml 重命名
在目录$HIVE_HOME/conf/下，执行命令
mv hive-env.sh.template hive-env.sh重命名
(3)修改hadoop的配置文件hadoop-env.sh，修改内容如下：
export HADOOP_CLASSPATH=.:
CLASSPATH: HADOOP_CLASSPATH:$HADOOP_HOME/bin
否则启动hive会报找不到类的错误
(4)在目录$HIVE_HOME/bin下面，修改文件hive-config.sh，增加以下内容：
export JAVA_HOME=/usr/local/jdk
export HIVE_HOME=/usr/local/hive
export HADOOP_HOME=/usr/local/Hadoop
生产中，我们一般用MySQL。不用derby数据库存放metastore.
安装mysql
查看机器是否安了MySQL
rpm -qa | grep mysql
如果存在删除：
rpm -e mysql-libs-5.1.66-2.el6_3.i686
存在依赖可以强制删除
rpm -e mysql-libs-5.1.66-2.el6_3.i686 –nodeps
(1)删除linux上已经安装的mysql相关库信息。
rpm -e xxxxxxx –nodeps
执行命令
rpm -qa |grep mysql
检查是否删除干净
(2)执行命令
rpm -i mysql-server-**
安装mysql服务端
(3)启动mysql 服务端，执行命令
mysqld_safe &
(4)执行命令
rpm -i mysql-client-**
安装mysql客户端
(5)执行命令
mysql_secure_installation
设置root用户密码
(6)登陆MySQL，
mydsql -uroot -padmin
使用mysql作为hive的metastore
(1)把mysql的jdbc驱动放置到hive的lib目录下
(2)修改hive-site.xml文件，修改内容如下：
<property>
<name>javax.jdo.option.ConnectionURL</name>
<value>jdbc:mysql://hadoop:3306/hive?createDatabaseIfNotExist=true</value>
</property>
<property>
<name>javax.jdo.option.ConnectionDriverName</name>
<value>com.mysql.jdbc.Driver</value>
</property>
<property>
<name>javax.jdo.option.ConnectionUserName</name>
<value>root</value>
</property>
<property>
<name>javax.jdo.option.ConnectionPassword</name>
<value>admin</value>
</property>
Mysql 不允许远程连接，如何让其远程连接：
授权所有权限在hive表上给root用户（任何地方的root），密码是admin。
grant all on hive.* to ‘root’@’%’ identified by ‘admin’;
之后刷新下：
flush privileges;
内部表
CREATE TABLE t1(id int);
Hive 里没有insert 操作，插入数据方法如下：
LOAD DATA LOCAL INPATH ‘/root/id’ INTO TABLE t1;
这种方式跟hadoop fs –put 命令的方式都可以加载数据，hive 查询识别。
如果去掉local,加载的数据是从hdfs 里加载的。
CREATE TABLE t2(id int, name string) ROW FORMAT DELIMITED FIELDS TERMINATED BY ‘\t’;
通过制表符区分字段。
分区表
分区表就是按照不同的字段把文件划分为不同的标准。
CREATE TABLE t3(id int) PARTITIONED BY (day int);
LOAD DATA LOCAL INPATH ‘/root/id’ INTO TABLE t3 PARTITION (day=22);
多了一个目录，我们可以按照每天的方式来加载数据。
查的话：
select * from t3 where day=22;
桶表
桶表不常用。
create table t4(id int) clustered by(id) into 4 buckets;
set hive.enforce.bucketing = true;
insert into table t4 select id from t3;
用桶表加载数据要经过MapReduce 计算，不能用load data 方式加载。
值通过哈希编码分到不同的桶中。分到同一桶中的数据很可能相同。
使用场景：作表连接的时候用。
使用文件进行划分，这点与分区表通过文件夹划分不同。
外部表
create external table t5(id int) location ‘/external’;
drop table t5;
好处：删除的时候只删除表定义，数据本身不删除。
前面三个表是受控表。Drop 表是数据就不存在了。
其他
视图：
跟普通sql 没有什么区别,视图可以屏蔽掉复杂的操作，还可以进行权限的控制，表的操作。
视图创建：
CREATE VIEW v1 AS select * from t1;
表的操作：
表的修改：
alter table target_tab add columns(cols,string)
表的删除：
drop table
Hive 里可以使用limit 操作：
select * from t1 limit 5;
返回5行记录。
ORDER BY 是所有的数据都送到一个reduce 里进行去全排序。
SORT BY col_list 是多个reduce 执行，在每个reduce 内部进行排序。
DISTRIBUTE BY col_list 把数据分成不同的区发给不同的reduce 去执行。
CLUSTER BY col_list将两种操作合并到一起，相当于sort by 和distribute by一起操作。
表连接：
Java 客户端
Hive 可以编写java程序访问，访问时要先启动hive 远程服务：
hive –service hiveserver >/dev/null 2>/dev/null &
在eclipe 里增加hive jar 包 也必须有hadoop jar包 否则运行不成功
package hive;
import java.sql.Connection;
import java.sql.DriverManager;
import java.sql.ResultSet;
import java.sql.Statement;
public class App {
public static void main(String[] args) throws Exception {
Class.forName("org.apache.hadoop.hive.jdbc.HiveDriver");
Connection con = DriverManager.getConnection("jdbc:hive://hadoop:10000/default","","");
Statement stmt = con.createStatement();
String sql = "SELECT * FROM default.t1";
ResultSet res = stmt.executeQuery(sql);
while(res.next()){
System.out.println(res.getInt(1));
}
}
}
Tab键会把关键字显示出来 ，里面带小括号的表示函数
显示所有的函数：
show functions;
函数怎么用，可以：
describe function pi;
查看具体函数的操作。
这里我们统计id的和 ，使用sum函数
select sum(id) from t1;
评论暂时关闭