Hive（一）

一、什么是Hive

hive是基于hadoop的?一個數據倉庫?工具，可以將結構化的數據?文件映射為?一張數據庫表，并提供類sql查詢功能

為社么要使用Hive

一、直接使用hadoop面臨的問題： 1）、學習成本高 2）、項目周期要求短 3）、MapReduce實現復雜查詢邏輯開發難度大 二、為什么用hive 1）、接口采用類sql語法，提供快速開發能力 2）、避免寫MapReduce，減少學習承辦 3）、擴展功能方便

二、Hive特點

1）、可擴展性 hive可自由擴展集群規模，一般情況不需要重啟 2）、延展性 hive支持用戶自定義函數，用戶可根據自己的需求來實現函數 3）、容錯 良好的容錯性，節點出現問題sql仍可完成執行

三、Hive架構圖

四、Hive與Hadoop的關系

Hive利用HDFS存儲數據，利用MapReduce查詢數據

五、關于Hive的理解

查詢語言。由于 SQL 被廣泛的應用在數據倉庫中，因此，專門針對 Hive 的特性設計了類 SQL 的查詢語言 HQL。熟悉 SQL 開發的開發者可以很方便的使用 Hive 進行開發。

數據存儲位置。Hive 是建立在 Hadoop 之上的，所有 Hive 的數據都是存儲在 HDFS 中的。而數據庫則可以將數據保存在塊設備或者本地文件系統中。

數據格式。Hive 中沒有定義專門的數據格式，數據格式可以由用戶指定，用戶定義數據格式需要指定三個屬性：列分隔符（通常為空格、"\t"、"\x001″）、行分隔符（"\n"）以及讀取文件數據的方法（Hive 中默認有三個文件格式 TextFile，SequenceFile 以及 RCFile）。由于在加載數據的過程中，不需要從用戶數據格式到 Hive 定義的數據格式的轉換，因此，Hive 在加載的過程中不會對數據本身進行任何修改，而只是將數據內容復制或者移動到相應的 HDFS 目錄中。而在數據庫中，不同的數據庫有不同的存儲引擎，定義了自己的數據格式。所有數據都會按照一定的組織存儲，因此，數據庫加載數據的過程會比較耗時。

數據更新。由于 Hive 是針對數據倉庫應用設計的，而數據倉庫的內容是讀多寫少的。因此，Hive 中不支持對數據的改寫和添加，所有的數據都是在加載的時候中確定好的。而數據庫中的數據通常是需要經常進行修改的，因此可以使用 INSERT INTO ... VALUES 添加數據，使用 UPDATE ... SET 修改數據。

索引。之前已經說過，Hive 在加載數據的過程中不會對數據進行任何處理，甚至不會對數據進行掃描，因此也沒有對數據中的某些 Key 建立索引。Hive 要訪問數據中滿足條件的特定值時，需要暴力掃描整個數據，因此訪問延遲較高。由于 MapReduce 的引入， Hive 可以并行訪問數據，因此即使沒有索引，對于大數據量的訪問，Hive 仍然可以體現出優勢。數據庫中，通常會針對一個或者幾個列建立索引，因此對于少量的特定條件的數據的訪問，數據庫可以有很高的效率，較低的延遲。由于數據的訪問延遲較高，決定了 Hive 不適合在線數據查詢。

執行。Hive 中大多數查詢的執行是通過 Hadoop 提供的 MapReduce 來實現的，而數據庫通常有自己的執行引擎。

執行延遲。之前提到，Hive 在查詢數據的時候，由于沒有索引，需要掃描整個表，因此延遲較高。另外一個導致 Hive 執行延遲高的因素是 MapReduce 框架。由于 MapReduce 本身具有較高的延遲，因此在利用 MapReduce 執行 Hive 查詢時，也會有較高的延遲。相對的，數據庫的執行延遲較低。當然，這個低是有條件的，即數據規模較小，當數據規模大到超過數據庫的處理能力的時候，Hive 的并行計算顯然能體現出優勢。

可擴展性。由于 Hive 是建立在 Hadoop 之上的，因此 Hive 的可擴展性是和 Hadoop 的可擴展性是一致的（世界上最大的 Hadoop 集群在 Yahoo!，2009年的規模在 4000 臺節點左右）。而數據庫由于 ACID 語義的嚴格限制，擴展行非常有限。目前最先進的并行數據庫 Oracle 在理論上的擴展能力也只有 100 臺左右。

數據規模。由于 Hive 建立在集群上并可以利用 MapReduce 進行并行計算，因此可以支持很大規模的數據；對應的，數據庫可以支持的數據規模較小。

六、Hive的數據存儲

1、Hive中所以的數據都存儲在HDFS中，沒有專門的數據存儲格式 2、只需要在創建表的時候，告訴hive數據中列分隔符和行分隔符，Hive就可以解析數據 3、Hive中包含以下數據模型（DB，Table，ExternalTable，Partition，Bucker） db：在hdfs中表現為${hive.metastore.warehouse.dir}目錄下一個文件夾 table：在hdfs中表現所屬db目錄下一個文件夾 external table：外部表, 與table類似，不過其數據存放位置可以在任意指定路徑 普通表: 刪除表后, hdfs上的文件都刪了 External外部表刪除后, hdfs上的文件沒有刪除, 只是把文件刪除了 partition：在hdfs中表現為table目錄下的子目錄 bucket：桶, 在hdfs中表現為同一個表目錄下根據hash散列之后的多個文件, 會根據不同的文件把數據放到不同的文件中

七、Hive的安裝與部署

需要準備，Hadoop集群，Mysql數據庫 一、下載Hive安裝包 http://hive.apache.org/downloads.html

2、將hive文件上傳到HADOOP集群，并解壓

# 目錄需要自己修改 tar -zxvf apache-hive-1.2.1-bin.tar.gz -C /export/servers/ cd /export/servers/ ln -s apache-hive-1.2.1-bin hive 復制代碼

3、配置環境變量，編輯/etc/profile

#set hive env export HIVE_HOME=/export/servers/hive export PATH=${HIVE_HOME}/bin:$PATH #讓環境變量生效 source /etc/profile 復制代碼

4、增加hive-site.xml

<configuration> <property> <name>javax.jdo.option.ConnectionURL</name> <value>jdbc:mysql://localhost:3306/hive?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>你的mysql用戶名</value> <description>username to use against metastore database</description> </property><property> <name>javax.jdo.option.ConnectionPassword</name> <value>你的mysql密碼</value> <description>password to use against metastore database</description> </property> </configuration> 復制代碼

5、啟動Hive 進入到bin文件中，找到hive

./hive 復制代碼

需要注意，下載mysql-connector-java-5.1.27.jar mysql的驅動包 6. Jline包版本不一致的問題，需要拷貝hive的lib目錄中jline.2.12.jar的jar包替換掉hadoop中的

/home/hadoop/app/hadoop-2.6.4/share/hadoop/yarn/lib/jline-0.9.94.jar 復制代碼

7、mysql修改權限

mysql -uroot -p#(執行下面的語句 *.*:所有庫下的所有表 %：任何IP地址或主機都可以連接)GRANT ALL PRIVILEGES ON *.* TO 'root'@'%' IDENTIFIED BY 'root' WITH GRANT OPTION;FLUSH PRIVILEGES; 復制代碼

下面的是我的公眾號二維碼圖片，歡迎關注我。

總結

以上是生活随笔為你收集整理的Hive(一)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。