[大数据]Hive 安装笔记

Hive安装地址

1）Hive官网地址
http://hive.apache.org/
2）文档查看地址
https://cwiki.apache.org/confluence/display/Hive/GettingStarted
3）下载地址
http://archive.apache.org/dist/hive/
4）github地址
https://github.com/apache/hive

Hive安装部署

前提要将Mysql安装完成，因为要把hive元数据放到Mysql中

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

apache-hive-3.1.2-bin.tar.gz

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

[linux@node1 software]$ tar -zxvf 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

[linux@node1 module]$ mv apache-hive-3.1.2-bin/ hive

4.修改/etc/profile.d/my_env.sh，添加环境变量

[linux@node1 module]$ 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

[linux@node1 module]$ source /etc/profile.d/my_env.sh 

6.解决日志Jar包冲突

[linux@node1 lib]$ cd /opt/module/hive/lib/
[linux@node1 lib]$ mv log4j-slf4j-impl-2.10.0.jar log4j-slf4j-impl-2.10.0.jar.bak

7.Hive元数据配置到MySql
1)拷贝驱动
将MySQL的JDBC驱动拷贝到Hive的lib目录下

[linux@node1 mysql]$ cp /opt/software/mysql/mysql-connector-java-5.1.37.jar /opt/module/hive/lib/

2)配置Metastore到MySql
在$HIVE_HOME/conf目录下新建hive-site.xml文件

<?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://node1:3306/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>root</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>
    
    <!-- 指定hiveserver2连接的端口号 -->
    <property>
        <name>hive.server2.thrift.port</name>
        <value>10000</value>
    </property>
   <!-- 指定hiveserver2连接的host -->
    <property>
        <name>hive.server2.thrift.bind.host</name>
        <value>node1</value>
	</property>

	<!-- 指定存储元数据要连接的地址 -->
	<property>
        <name>hive.metastore.uris</name>
        <value>thrift://node1:9083</value>
	</property>
	<!-- 元数据存储授权  -->
	<property>
        <name>hive.metastore.event.db.notification.api.auth</name>
        <value>false</value>
	</property>
	<!-- Hive元数据存储版本的验证 -->
	<property>
        <name>hive.metastore.schema.verification</name>
        <value>false</value>
	</property>

	<!-- hiveserver2的高可用参数，开启此参数可以提高hiveserver2的启动速度 -->
	<property>
    	<name>hive.server2.active.passive.ha.enable</name>
    	<value>true</value>
	</property>
</configuration>

8.初始化元数据库

1）登陆MySQL

[linux@node1 conf]$ mysql -uroot -proot

2）新建Hive元数据库

mysql> create database metastore;
mysql> quit;

3）初始化Hive元数据库

[linux@node1 conf]$ schematool -initSchema -dbType mysql -verbose

Hive启动

需要先启动hadoop，再启动metastore和hiveserver2这两个服务

Hive 2.x以上版本，要先启动这两个服务，否则会报错：

FAILED: HiveException java.lang.RuntimeException: Unable to instantiate org.apache.hadoop.hive.ql.metadata.SessionHiveMetaStoreClient

1.启动metastore

[linux@node1 hive]$  hive --service metastore 

2020-04-24 16:58:08: Starting Hive Metastore Server  

注意: 启动后窗口不能再操作，需打开一个新的shell窗口做别的操作

2.启动 hiveserver2

[linux@node1 hive]$  hive --service hiveserver2

注意: 启动后窗口不能再操作，需打开一个新的shell窗口做别的操作

3.编写hive服务启动脚本

#!/bin/bash
HIVE_LOG_DIR=$HIVE_HOME/logs
if [ ! -d $HIVE_LOG_DIR ]
then
	mkdir -p $HIVE_LOG_DIR
fi
#检查进程是否运行正常，参数1为进程名，参数2为进程端口
function check_process()
{
    pid=$(ps -ef 2>/dev/null | grep -v grep | grep -i $1 | awk '{print $2}')
    ppid=$(netstat -nltp 2>/dev/null | grep $2 | awk '{print $7}' | cut -d '/' -f 1)
    echo $pid
    [[ "$pid" =~ "$ppid" ]] && [ "$ppid" ] && return 0 || return 1
}

function hive_start()
{
    metapid=$(check_process HiveMetastore 9083)
    cmd="nohup hive --service metastore >$HIVE_LOG_DIR/metastore.log 2>&1 &"
    cmd=$cmd" sleep 4; hdfs dfsadmin -safemode wait >/dev/null 2>&1"
    [ -z "$metapid" ] && eval $cmd || echo "Metastroe服务已启动"
    server2pid=$(check_process HiveServer2 10000)
    cmd="nohup hive --service hiveserver2 >$HIVE_LOG_DIR/hiveServer2.log 2>&1 &"
    [ -z "$server2pid" ] && eval $cmd || echo "HiveServer2服务已启动"
}

function hive_stop()
{
    metapid=$(check_process HiveMetastore 9083)
    [ "$metapid" ] && kill $metapid || echo "Metastore服务未启动"
    server2pid=$(check_process HiveServer2 10000)
    [ "$server2pid" ] && kill $server2pid || echo "HiveServer2服务未启动"
}

case $1 in
"start")
    hive_start
    ;;
"stop")
    hive_stop
    ;;
"restart")
    hive_stop
    sleep 2
    hive_start
    ;;
"status")
    check_process HiveMetastore 9083 >/dev/null && echo "Metastore服务运行正常" || echo "Metastore服务运行异常"
    check_process HiveServer2 10000 >/dev/null && echo "HiveServer2服务运行正常" || echo "HiveServer2服务运行异常"
    ;;
*)
    echo Invalid Args!
    echo 'Usage: '$(basename $0)' start|stop|restart|status'
    ;;
esac

Hive访问

1.启动hive客户端

[linux@node1 hive]$ bin/hive

如果需要打印当前库和表头
在hive-site.xml中加入如下两个配置:

<property>
    <name>hive.cli.print.header</name>
    <value>true</value>
    <description>Whether to print the names of the columns in query output.</description>
</property>
<property>
    <name>hive.cli.print.current.db</name>
    <value>true</value>
    <description>Whether to include the current database in the Hive prompt.</description>
</property>

2.启动beeline客户端

[linux@node1 ~]$ beeline -u jdbc:hive2://node1:10000 -n linux

Hive常用交互命令

[linux@node1 hive]$ bin/hive -help
SLF4J: Class path contains multiple SLF4J bindings.
SLF4J: Found binding in [jar:file:/opt/module/hbase/lib/slf4j-log4j12-1.7.25.jar!/org/slf4j/impl/StaticLoggerBinder.class]
SLF4J: Found binding in [jar:file:/opt/module/hadoop-3.1.3/share/hadoop/common/lib/slf4j-log4j12-1.7.25.jar!/org/slf4j/impl/StaticLoggerBinder.class]
SLF4J: See http://www.slf4j.org/codes.html#multiple_bindings for an explanation.
SLF4J: Actual binding is of type [org.slf4j.impl.Log4jLoggerFactory]
Hive Session ID = 47b1db51-107d-4e9e-9dde-b16a7fa5cb0f
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)

0.在hive命令行里创建一个表student，并插入1条数据

hive (default)> create table student(id int,name string);
OK
Time taken: 1.291 seconds
hive (default)> insert into student values(1,"zhangsan");
hive (default)> select * from student;
OK
student.id	student.name
1	zhangsan
Time taken: 0.144 seconds, Fetched: 1 row(s)

1.“-e”不进入hive的交互窗口执行sql语句

[linux@node1 hive]$ bin/hive -e "select id from default.student;"

2.“-f”执行脚本中sql语句
1）在/opt/module/hive/下创建datas目录并在datas目录下创建hivef.sql文件

[linux@node1 datas]$ vim hivef.sql

2）文件中写入正确的sql语句

select * from default.student;

3）执行文件中的sql语句

[linux@node1 hive]$ bin/hive -f /opt/module/hive/datas/hivef.sql

4）执行文件中的sql语句并将结果写入文件中

[linux@node1 hive]$ bin/hive -f /opt/module/hive/datas/hivef.sql  > /opt/module/datas/hive_result.txt

Hive其他命令操作

1）退出hive窗口：

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

在新版的hive中没区别了，在以前的版本是有的：
exit:先隐性提交数据，再退出；
quit:不提交数据，退出；
2）在hive cli命令窗口中如何查看hdfs文件系统

hive(default)>dfs -ls /;

3）查看在hive中输入的所有历史命令
（1）进入到当前用户的家目录/root或/home/linux
（2）查看. hivehistory文件，注意quit以后，此文件才会写入quit之前提交的命令。

[linux@node1 ~]$ cat .hivehistory

4）查看在beeline中输入的所有历史命令
（1）进入到当前用户的家目录/root或/home/linux
（2）查看.beeline/history文件，注意quit以后，此文件才会写入quit之前提交的命令。

[linux@node1 ~]$ cat .beeline/history

Hive常见属性配置

1.Hive运行日志信息配置
1）Hive的log默认存放在/tmp/linux/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$HIVE_HOME/conf/hive-log4j.properties.template文件名称为
hive-log4j.properties

[linux@node1 conf]$ pwd
/opt/module/hive/conf
[linux@node1 conf]$ mv hive-log4j.properties.template hive-log4j.properties

（2）在hive-log4j.properties文件中修改log存放位置

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

2.Hive启动jvm堆内存设置
新版本的hive启动的时候，默认申请的jvm堆内存大小为256M，jvm堆内存申请的太小，导致后期开启本地模式，执行复杂的sql时经常会报错：java.lang.OutOfMemoryError: Java heap space，因此最好提前调整一下HADOOP_HEAPSIZE这个参数。
（1）修改$HIVE_HOME/conf下的hive-env.sh.template为hive-env.sh

[linux@node1 conf]$ pwd
/opt/module/hive/conf
[linux@node1 conf]$ cp hive-env.sh.template hive-env.sh

（2）将hive-env.sh其中的参数 export HADOOP_HEAPSIZE=1024的注释放开，重启hive。


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。
例如：

[linux@node1 hive]$ bin/hive -hiveconf mapred.reduce.tasks=10;

或者

[linux@node1 hive]$ bin/beeline -u jdbc:hive2://node1:10000 -n linux-hiveconf mapred.reduce.tasks=10;

注意：仅对本次hive启动有效
查看参数设置：

hive (default)> set mapred.reduce.tasks;

（3）参数声明方式
可以在HQL中使用SET关键字设定参数
例如：

hive (default)> set mapred.reduce.tasks=100;

注意：仅对本次hive启动有效。
查看参数设置

hive (default)> set mapred.reduce.tasks;

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。