1 简介
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数据库表，并提供简单的[SQL]查询功能，可以将SQL语句转换为MapReduce任务进行运行。其优点是学习成本低，可以通过类SQL语句快速实现简单的MapReduce统计，不必开发专门的MapReduce应用，十分适合数据仓库的统计分析。
它提供了一系列的工具，可以用来进行数据提取转化加载（ETL），这是一种可以存储、查询和分析存储在 Hadoop 中的大规模数据的机制。Hive 定义了简单的类 SQL 查询语言，称为 HQL，它允许熟悉 SQL 的用户查询数据。同时，这个语言也允许熟悉 MapReduce 开发者的开发自定义的 mapper 和 reducer 来处理内建的 mapper 和 reducer 无法完成的复杂的分析工作。
Hive 没有专门的数据格式。 Hive 可以很好的工作在 Thrift 之上，控制分隔符，也允许用户指定数据格式。
Apache Hive起初由[Facebook]开发，目前也有其他公司使用和开发Apache Hive，例如[Netflix]等。亚马逊公司也开发了一个定制版本的Apache Hive，亚马逊网络服务包中的Amazon Elastic MapReduce包含了该定制版本。
2 环境
- 操作系统
-
Hadoop版本
hadoop-2.6.0-cdh5.7.0 -
MySQL版本
-
mysql-connector-java
5.1.37 -
Hive版本
2.3.4
3 安装Hive
3.1 先确保已经正确安装并运行了hadoop
3.2 下载Hive安装包
将安装包移动至：
../hadoop-2.6.0-cdh5.7.0/ 目录下，此目录是本地安装Hadoop的目录
移动至此处后，解压缩
-
tar -xzvf apache-hive-2.3.4-bin.tar.gz
并将解压后的文件名改为hive，方便配置。
例如本机Hive的安装路径为
3.3 配置系统环境变量
3.3.1 修改~/.bash_profile
// 或者修改/etc/profile文件
vim ~/.bash_profile
添加内容
export HIVE_HOME=/Volumes/doc/hadoop-2.6.0-cdh5.7.0/hive
export PATH=$PATH:$HIVE_HOME/bin:$HIVE_HOME/conf
退出保存后，在终端输入，使环境变量立即生效
source ~/.bash_profile
4 修改Hive配置
4.1 新建文件hive-site.xml
-
在 ../hive/conf下
-
添加
hive-site.xml内容
4.2 hive-env.sh
-
复制hive-env.sh.template为hive-env.sh
-
修改hive-env.sh内容
5 MySQL 权限配置
5.1 给用户赋予权限
-
以使得该用户可以远程登录数据库：
如果上面查询到有信息,但host为localhost或其他值，就需要根据实际需求来更新表信息
grant all privileges on 库名.表名 to '用户名'@'IP地址' identified by '密码' with grant option;
flush privileges;
库名:要远程访问的数据库名称,所有的数据库使用“”
表名:要远程访问的数据库下的表的名称，所有的表使用“”
用户名:要赋给远程访问权限的用户名称
IP地址:可以远程访问的电脑的IP地址，所有的地址使用“%”
密码:要赋给远程访问权限的用户对应使用的密码
GRANT ALL PRIVILEGES ON *.* TO 'root'@'%' WITH GRANT OPTION;
使改变立即生效：
FLUSH PRIVILEGES;
6 向/usr/hadoop/hadoop-2.6.2/hive/lib中添加mySql连接库：
6.1 官网下载连接驱动包
6.2 将下好的包解压缩
-
解压后,将此文件夹下mysql-connector-java-8.0.15.jar
-
复制到../hive/lib下
image.png
注意：需要给/tmp文件夹设置写权限，同时确保 hadoop不在安全模式下，可以执行此命令使hadoop退出安全模式：hadoop dfsadmin -safemode leave
7 启动Hive
在命令行运行 hive 命令时必须保证HDFS 已经启动。可以使用 start-dfs.sh 脚本来启动 HDFS。
7.1 如果是第一次启动Hive，则需要先执行如下初始化命令
schematool -dbType mysql -initSchema
7.2 启动Hive
网友评论