文章目录

◆ Apache Hive 概述
- 1.1 分布式SQL计算
- 1.2 Hive的优势
◆ 模拟实现Hive功能
- 2.1 元数据管理
- 2.2 解析器
- 2.3 基础架构
- 2.4 Hive架构
◆ Hive基础架构
- 3.1 Hive架构图
- 3.2 Hive组件
- - 3.2.1 元数据存储
  - 3.2.2 Driver驱动程序
  - 3.2.3 用户接口
◆ Hive部署
- 4.1 VMware虚拟机部署
- - 步骤一：安装MySQL数据库
  - 步骤2：配置Hadoop
  - 步骤3：下载解压Hive
  - 步骤4：提供MySQL Driver包
  - 步骤5：配置Hive
  - 步骤6：初始化元数据库
  - 步骤7：启动Hive（使用Hadoop用户）
◆ Hive初体验
- 5.1 hiveShell初体验
- 5.2 补充：JPS命令
◆ Hive客户端
- 6.1 HiveServer2服务
- 6.2 HiveServer2服务启动
- 6.3 Beeline
- 6.4 DataGrip链接Hive

◆ Apache Hive 概述

1.1 分布式SQL计算

在这里插入图片描述

对数据进行统计分析，SQL是目前最为方便的编程工具
大数据体系中充斥着非常多的统计分析场景，所以，使用SQL去处理数据，在大数据中也是有极大的需求的

MapReduce支持程序开发（Java、Python等），但不支持SQL开发
Apache Hive是一款分布式SQL计算的工具，其主要功能是：将SQL语句翻译成MapReduce程序运行
基于Hive为用户提供了分布式SQL计算的能力写的是SQL、执行的是MapReduce

1.2 Hive的优势

操作接口采用类SQL语法，提供快速开发的能力（简单、容易上手）
底层执行MapReduce，可以完成分布式海量数据的SQL处理

◆ 模拟实现Hive功能

在这里插入图片描述

2.1 元数据管理

在这里插入图片描述

总结
构建数据库首先需要拥有元数据管理功能，即：数据位置、数据结构、对数据进行描述进行记录

2.2 解析器

解决了元数据管理后，我们还有一个至关重要的步骤，即完成SQL到MapReduce转换的功能。
SQL解析器需要完成的功能：
- SQL分析
- SQL到MapReduce程序的转换
- 提交MapReduce程序运行并收集执行结果

2.3 基础架构

在这里插入图片描述

至此，一款基于MapReduce的，分布式SQL执行引擎的基础构建完成。
核心组件需要有：
- 元数据管理，帮助记录各类元数据
- SQL解析器，完成SQL到MapReduce程序的转换

2.4 Hive架构

Apache Hive其2大主要组件就是：SQL解析器以及元数据存储。

◆ Hive基础架构

3.1 Hive架构图

在这里插入图片描述

3.2 Hive组件

3.2.1 元数据存储

元数据通常存储在关系数据库如 mysql/derby中。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。
Hive提供了 Metastore 服务进程提供元数据管理功能

3.2.2 Driver驱动程序

Driver驱动程序，包括语法解析器、计划编译器、优化器、执行器
功能：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，并在随后有执行引擎调用执行。
这部分内容不是具体的服务进程，而是封装在Hive所依赖的Jar文件即Java代码中。

3.2.3 用户接口

用户接口包括 CLI、JDBC/ODBC、WebGUI。
- CLI(command line interface)为shell命令行
- Hive中的Thrift服务器允许外部客户端通过网络与Hive进行交互，类似于JDBC或ODBC协议。
- WebGUI是通过浏览器访问Hive
Hive提供了 Hive Shell、 ThriftServer等服务进程向用户提供操作接口

◆ Hive部署

Hive是分布式运行的框架还是单机运行的？
Hive是单机工具，只需要部署在一台服务器即可。Hive虽然是单机的，但是它可以提交分布式运行的MapReduce程序运行

4.1 VMware虚拟机部署

Hive是单机工具，需要准备一台服务器供Hive使用即可。同时Hive需要使用元数据服务，即需要提供一个关系型数据库，我们也选择一台服务器安装关系型数据库即可。

步骤一：安装MySQL数据库

这里展示课件中的MYSQL5.7安装方式和使用MySQL8.+版本的操作，请按照喜欢选择

在node1节点使用yum在线安装MySQL5.7版本

# 更新密钥
rpm --import https://repo.mysql.com/RPM-GPG-KEY-mysql-2022# 安装Mysql yum库
rpm -Uvh http://repo.mysql.com//mysql57-community-release-el7-7.noarch.rpm# yum安装Mysql
yum -y install mysql-community-server# 启动Mysql设置开机启动
systemctl start mysqld
systemctl enable mysqld# 检查Mysql服务状态
systemctl status mysqld# 第一次启动mysql，会在日志文件中生成root用户的一个随机密码，使用下面命令查看该密码
grep 'temporary password' /var/log/mysqld.log

# 修改root用户密码
mysql -u root -p -h localhost
Enter password:mysql> ALTER USER 'root'@'localhost' IDENTIFIED BY 'Root!@#$';# 如果你想设置简单密码，需要降低Mysql的密码安全级别
set global validate_password_policy=LOW; # 密码安全级别低
set global validate_password_length=4;	 # 密码长度最低4位即可# 然后就可以用简单密码了（课程中使用简单密码，为了方便，生产中不要这样）
ALTER USER 'root'@'localhost' IDENTIFIED BY 'root';/usr/bin/mysqladmin -u root password 'root'grant all privileges on *.* to root@"%" identified by 'root' with grant option;  
flush privileges;

在node1节点使用yum在线安装MySQL8.+版本

更新软件
```
sudo yum update
```

安装 MySQL 官方的 Yum Repository:

sudo rpm -ivh https://dev.mysql.com/get/mysql80-community-release-el7-3.noarch.rpm

安装 MySQL 服务器:

sudo yum install mysql-server --nogpgcheck

启动 MySQL 服务:
```
sudo systemctl start mysqld
```
- 设置MySQL 服务在系统启动时自动启动
```
sudo systemctl enable mysqld
```
获取初始密码并进行安全设置:
- 当次安装 MySQL 8 之后，它会为 root 用户生成一个随机的临时密码。通过查看日志来获得这个密码：
```
sudo grep 'temporary password' /var/log/mysqld.log
```
登录到 MySQL，输入之前设置的 root 用户的密码：
```
mysql -u root -p
```

然后，设置root用户密码：

# 设置用户密码xxxxx
ALTER USER 'root'@'localhost' IDENTIFIED BY 'xxxxx';

以下操作时给与root用户的远程登录权限

创建或修改用户
- 如果root@"%"用户不存在：
```
CREATE USER 'root'@'%' IDENTIFIED BY 'xxx';
```
- 如果root@"%"用户已存在，并且您只是想更新密码：
```
  ALTER USER 'root'@'%' IDENTIFIED BY 'xxx';
```

赋予权限

GRANT ALL PRIVILEGES ON *.* TO 'root'@'%' WITH GRANT OPTION;

刷新权限
```
FLUSH PRIVILEGES;
```
退出
```
exit
```

步骤2：配置Hadoop

Hive的运行依赖于Hadoop（HDFS、MapReduce、YARN都依赖），同时涉及到HDFS文件系统的访问，所以需要配置Hadoop的代理用户，即设置hadoop用户允许代理（模拟）其它用户。
配置如下内容在Hadoop的core-site.xml中，并分发到其它节点，且重启HDFS集群

<property><name>hadoop.proxyuser.hadoop.hosts</name><value>*</value>
</property>
<property><name>hadoop.proxyuser.hadoop.groups</name><value>*</value>
</property>

步骤3：下载解压Hive

切换到hadoop用户
```
su - hadoop
```
下载Hive安装包，打开apache归档网址，点击公共软件版本档案，Ctrl+F查找hive打开目录，找到3.1.3版本进行下载

在这里插入图片描述

解压到node1服务器的：/export/server/内

tar -zxvf apache-hive-3.1.3-bin.tar.gz -C /export/server/

设置软连接

ln -s /export/server/apache-hive-3.1.3-bin/ /export/server/hive

步骤4：提供MySQL Driver包

下载MySQL驱动包
·将下载好的驱动jar包，放入: Hive安装文件夹的lib目录内

mv mysql-connector-java-8.0.30.jar /export/server/hive/lib/

步骤5：配置Hive

在Hive的conf目录内，新建hive-env.sh文件，填入以下环境变量内容：

export HADOOP_HOME=/export/server/hadoop
export HIVE_CONF_DIR=/export/server/hive/conf
export HIVE_AUX_JARS_PATH=/export/server/hive/lib

在Hive的conf目录内，新建hive-site.xml文件，填入以下内容【注意修改Mysql连接密码为自己的密码】

<configuration><property><name>javax.jdo.option.ConnectionURL</name><value>jdbc:mysql://node1:3306/hive?createDatabaseIfNotExist=true&amp;useSSL=false&amp;useUnicode=true&amp;characterEncoding=UTF-8</value></property><property><name>javax.jdo.option.ConnectionDriverName</name><value>com.mysql.cj.jdbc.Driver</value></property><property><name>javax.jdo.option.ConnectionUserName</name><value>root</value></property><property><name>javax.jdo.option.ConnectionPassword</name><value>xxxx</value></property><property><name>hive.server2.thrift.bind.host</name><value>node1</value></property><property><name>hive.metastore.uris</name><value>thrift://node1:9083</value></property><property><name>hive.metastore.event.db.notification.api.auth</name><value>false</value></property>
</configuration>

步骤6：初始化元数据库

Hive的配置已经完成，现在在启动Hive前，需要先初始化Hive所需的元数据库
在MySQL中新建数据库：hive

CREATE DATABASE hive CHARSET UTF8;

执行元数据库初始化命令：

#进入hive的bin目录
cd /export/server/hive/bin/
#执行初始化命令
./schematool -initSchema -dbType mysql -verbos

初始化成功后，会在MySQL的hile库中新建74张元数据管理的表

步骤7：启动Hive（使用Hadoop用户）

确保Hive文件夹所属为hadoop用户，创建一个hive的日志文件夹：
```
mkdir /export/server/hive/logs
```
启动元数据管理服务（必须启动，否则无法工作）
- 前台启动：bin/hive --service metastore
- 后台启动【推荐】：nohup bin/hive --service metastore >> logs/metastore.log 2>&1 &
- nohup bin/hive --service metastore >> logs/metastore.log 2>&1 &含义：将元数据相关的日志存储到logs/文件夹下
启动客户端，二选一（当前先选择Hive Shell方式）
- Hive Shell方式（可以直接写SQL）： /bin/hive
- Hive ThriftServer方式（不可直接写SQL，需要外部客户端链接使用）： bin/hive --service hiveserver2

◆ Hive初体验

5.1 hiveShell初体验

首先，确保启动Metastore服务。
```
jps
ps -ef|grep 端口号
```

在这里插入图片描述

在hive目录下执行：bin/hive，进入到Hive Shell环境中，可以直接执行SQL语句

创建表

CREATE TABLE test(id INT, name STRING, gender STRING);

插入数据

INSERT INTO test VALUES(1,'王力红','男'),(2,'周杰轮','男'),(3, '林志灵','女');

在这里插入图片描述

查询数据

SELECT gender, COUNT(*) AS cnt FROM test GROUP BY gender;

验证Hive的数据存储
- Hive的数据存储在HDFS的：/user/hive/warehouse中
验证SQL语句启动的MapReduce程序
- 打开YARN的WEB UI页面查看任务情况：http://node1:8088

5.2 补充：JPS命令

在Linux系统中，jps 命令并不是自带的命令，而是Java开发工具包（JDK）提供的工具。

在Linux系统中安装了JDK，可以在JDK的安装路径下的bin目录中找到 jps 命令。通常，安装JDK后，你可以通过在终端中输入 jps 来执行该命令。但在某些Linux发行版中，jps 命令可能需要通过设置环境变量或使用完整的路径来执行。

jps 是 Java Virtual Machine Process Status Tool（Java虚拟机进程状态工具）的缩写。它是Java开发工具包中的一个命令行工具，用于列出当前系统中所有正在运行的Java进程的相关信息。jps 命令通常用于诊断和监控Java应用程序的运行状态。
使用 jps 命令可以列出正在运行的Java进程的进程ID（PID）以及这些进程的主类名。它可以帮助开发人员确定系统中正在运行的Java进程及其状态，特别是在进行多进程调试或监控的情况下。
ps 命令常用的选项和用法：

jps：列出并显示所有正在运行的Java进程的进程ID和主类名。
jps -l 或 jps --list：显示进程ID、主类名以及传递给主类的参数。
jps -v 或 jps --verbose：显示进程ID、主类名、传递给主类的参数以及JVM的启动参数。
jps -m 或 jps --m：显示进程ID、主类名、传递给主类的参数以及传递给JVM的参数。
jps -q 或 jps --quiet：只显示进程ID，不显示主类名。

◆ Hive客户端

6.1 HiveServer2服务

在启动Hive的时候，除了必备的Metastore服务外，还有2种方式使用Hive：

方式1： bin/hive 即Hive的Shell客户端，可以直接写SQL
方式2： bin/hive --service hiveserver2
- 后台执行脚本：nohup bin/hive --service hiveserver2 >> logs/hiveserver2.log 2>&1 &
  bin/hive --service metastore，启动的是元数据管理服务
  bin/hive --service hiveserver2，启动的是HiveServer2服务
HiveServer2是Hive内置的一个ThriftServer服务，提供Thrift端口供其它客户端链接.可以连接ThriftServer的客户端有：
Hive内置的 beeline客户端工具（命令行工具）
第三方的图形化SQL工具，如DataGrip、DBeaver、Navicat等

Hive的客户端体系

6.2 HiveServer2服务启动

在hive安装的服务器上，首先启动metastore服务，然后启动hiveserver2服务

#先启动metastore服务 然后启动hiveserver2服务
nohup bin/hive --service metastore >> logs/metastore.log 2>&1 &
nohup bin/hive --service hiveserver2 >> logs/hiveserver2.log 2>&1 &

在这里插入图片描述

6.3 Beeline

在node1上使用beeline客户端进行连接访问。需要注意hiveserver2服务启动之后需要稍等一会才可以对外提供服务。
```
# 在hive目录下执行
bin/beeline
```
Beeline是JDBC的客户端，通过JDBC协议和Hiveserver2服务进行通信，协议的地址是：jdbc:hive2://node1:10000

6.4 DataGrip链接Hive

DataGrip、Dbeaver、SQuirrel SQL Client等可以在Windows、MAC平台中通过JDBC连接HiveServer2的图形界面工具；
这类工具往往专门针对SQL类软件进行开发优化、页面美观大方，操作简洁，更重要的是SQL编辑环境优雅；
SQL语法智能提示补全、关键字高亮、查询结果智能显示、按钮操作大于命令操作；