大数据基础之Hive

2022-05-31 18:01:19 阅读：166 来源： 互联网

标签：HIVE 基础 hadoop hive Hive HOME apache org 数据

http://hive.apache.org/
The Apache Hive ™ data warehouse software facilitates reading, writing, and managing large datasets residing in distributed storage using SQL. Structure can be projected onto data already in storage. A command line tool and JDBC driver are provided to connect users to Hive.

一部署结构

服务端

HiveServer2
Metastore

客户端

hive
beeline

二安装

依赖

1 JDK

2 Hadoop

$HADOOP_HOME

$ $HADOOP_HOME/bin/hadoop fs -mkdir /tmp
$ $HADOOP_HOME/bin/hadoop fs -mkdir /user/hive/warehouse
$ $HADOOP_HOME/bin/hadoop fs -chmod g+w /tmp
$ $HADOOP_HOME/bin/hadoop fs -chmod g+w /user/hive/warehous

配置

hive.metastore.warehouse.dir

3 Mysql

Server
jdbc jar

安装

所有版本下载

http://archive.apache.org/dist/hive/

安装

$ tar -xzvf hive-x.y.z.tar.gz
$ cd hive-x.y.z
$ export HIVE_HOME={{pwd}}
$ export PATH=$HIVE_HOME/bin:$PATH

初始化

配置文件：$HIVE_HOME/conf/hive-site.xml

javax.jdo.option.ConnectionURL
javax.jdo.option.ConnectionDriverName
javax.jdo.option.ConnectionUserName
javax.jdo.option.ConnectionPassword

所有可配置项

$ wc -l $HIVE_HOME/conf/hive-default.xml.template
5959

初始化元数据库

$HIVE_HOME/bin/schematool -dbType -initSchema

所有初始化脚本

# ls $HIVE_HOME/scripts/metastore/upgrade/
derby mssql mysql oracle postgres
# ls $HIVE_HOME/scripts/metastore/upgrade/mysql
hive-schema-0.10.0.mysql.sql
hive-schema-2.1.0.mysql.sql
hive-schema-2.3.0.mysql.sql
hive-txn-schema-2.1.0.mysql.sql
hive-txn-schema-2.3.0.mysql.sql
upgrade-0.10.0-to-0.11.0.mysql.sql
upgrade-2.1.0-to-2.2.0.mysql.sql
upgrade-2.2.0-to-2.3.0.mysql.sql

元数据库结构

版本

VERSION

元数据

DBS：数据库
TBLS：表
PARTITIONS：分区
COLUMNS_V2：列
SERDES：序列化反序列化
FUNCS：函数
IDXS：索引

权限

DB_PRIVS
TBL_COL_PRIVS

统计

TAB_COL_STATS

启动Metastore

启动进程metastore

$ $HIVE_HOME/bin/hive --service metastore

启动类

org.apache.hadoop.hive.metastore.HiveMetaStore

端口配置

hive.metastore.port : 9083

配置

hive.metastore.uris
javax.jdo.option.*

启动HiveServer2

启动进程hiveserver2

$ $HIVE_HOME/bin/hiveserver2
$ $HIVE_HOME/bin/hive --service hiveserver2

启动类

org.apache.hive.service.server.HiveServer2

端口配置

hive.server2.thrift.port : 10000

HA

Metastore
配置

hive.metastore.uris

HiveServer2
配置

hive.server2.support.dynamic.service.discovery
hive.server2.zookeeper.namespace
hive.zookeeper.quorum

URL

jdbc:hive2://zkNode1:2181,zkNode2:2181,zkNode3:2181/;serviceDiscoveryMode=zooKeeper;zooKeeperNamespace=hiveserver2

三客户端

hive

客户端命令

$ $HIVE_HOME/bin/hive

启动类

org.apache.hadoop.hive.cli.CliDriver
run->executeDriver

直接执行sql

hive -e "$sql"
hive -f $file_path

beeline

客户端命令

$ $HIVE_HOME/bin/beeline -u jdbc:hive2://$HS2_HOST:$HS2_PORT

四其他

执行引擎

配置

hive.execution.engine

可选

mr
spark
tez

外部表

create external table * ();

内部表与外部表的差别

location
drop table

用途

数据安全
可以方便的访问外部数据：hbase、es

存储格式、压缩格式

SERDE

Serialize/Deserilize

存储格式

行式
textfile（原生、csv、json、xml）
- 用途：原始数据导入
列式
- orc
- parquet
- 用途：查询

压缩格式

lzo
snappy

不同格式与SERDE

csv
org.apache.hadoop.hive.serde2.OpenCSVSerde
json
org.apache.hive.hcatalog.data.JsonSerDe
xml
com.ibm.spss.hive.serde2.xml.XmlSerDe
parquet
org.apache.hadoop.hive.ql.io.parquet.serde.ParquetHiveSerDe
orc
org.apache.hadoop.hive.ql.io.orc.OrcSerde
hbase
org.apache.hadoop.hive.hbase.HBaseSerDe

数据导入

文件导入

普通表
hive

LOAD DATA LOCAL INPATH ${local_path} INTO TABLE ${db.${table};
LOAD DATA INPATH ${hdfs_path} INTO TABLE ${db.${table};

hdfs

hdfs dfs -put ${filepath} /user/hive/warehouse/${db}.db/${table}

分区表
hive

LOAD DATA LOCAL INPATH ${local_path} INTO TABLE ${db}.${table} partition(dt='${value}');

hdfs

hdfs dfs -mkdir /user/hive/warehouse/${db}.db/${table}/dt=${value}
hdfs dfs -put ${filepath} /user/hive/warehouse/${db}.db/${table}/dt=${value}
msck repair table ${db}.${table}

数据库导入

sqoop
spark-sql
datax
kettle
flume
logstash

数据查询

单表查询

查询过程

SQL->AST(Abstract Syntax Tree)->Task（MapRedTask，FetchTask）->QueryPlan（Task集合）->Job（Yarn）

核心代码

org.apache.hadoop.hive.ql.Driver.compile
org.apache.hadoop.hive.ql.parse.ParseDriver
org.apache.hadoop.hive.ql.parse.BaseSemanticAnalyzer
org.apache.hadoop.hive.ql.QueryPlan
org.apache.hadoop.hive.ql.Driver.execute
org.apache.hadoop.hive.ql.Driver.getResult

多表查询

Join

map join、broadcast
- 场景：大表、小表
- 配置：hive.auto.convert.join
bucket map join
- 场景：大表、大表
- 配置：hive.optimize.bucketmapjoin
- clustered by
sorted merge bucket join
- 配置：hive.optimize.bucketmapjoin.sortedmerge
skew join
- 场景：数据倾斜
- 配置：hive.optimize.skewjoin
left semi join
- 场景：in、exists

CBO

CBO-Cost Based Optimize
The main goal of a CBO is to generate efficient execution plans by examining the tables and conditions specified in the query, ultimately cutting down on query execution time and reducing resource utilization.

解释计划

explain

查询过程

Map
- TableScan
- Filter Operator
- Selector Operator
- Group By Operator
- Reduce Output Operator
Reduce
- Group By Operator
- File Output Operator
Fetch Operator

代码

org.apache.hadoop.hive.ql.exec

标签：HIVE,基础,hadoop,hive,Hive,HOME,apache,org,数据
来源： https://www.cnblogs.com/barneywill/p/16331488.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9

大数据基础之Hive

一 部署结构

服务端

客户端

二 安装

依赖

1 JDK

2 Hadoop

3 Mysql

安装

初始化

元数据库结构

版本

元数据

权限

统计

启动Metastore

启动HiveServer2

HA

三 客户端

hive

beeline

四 其他

执行引擎

外部表

存储格式、压缩格式

不同格式与SERDE

数据导入

文件导入

数据库导入

数据查询

单表查询

查询过程

多表查询

Join

CBO

解释计划

一部署结构

二安装

三客户端

四其他