Hadoop生态系统—数据仓库Hive的安装

一、数据仓库

数据仓库是一个面向主题的、集成的、随时间变化，但信息本身相对稳定的数据集合，相比于传统型数据库，它主要用于支持企业或组织的决策分析处理。主要有以下3个特点：

• 数据仓库是面向主题的：

  数据仓库中的数据是按照一定的主题域进行组织，大概意思就是说存的数据是一类数据

• 数据仓库是随时间变化的：

  其中存的数据是有时序的，会保存很长一段时间的数据

• 数据仓库相对稳定：

  数据仓库主要是用来进行数据的查询，很少进行修改和删除

数据仓库的结构

二、Hive简介

2.1 Hive简介

Hive最初是Facebook开发的一款用来SQL分析的应用，它是建立在Hadoop文件系统上的数据仓库，能够对存储在HDFS中的数据进行数据提取、转换和加载（ETL），这是一种可以存储、查询、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，简称HQL。但Hive并不是一个数据库，它只是提供了和数据库相类似的查询语言。其实他是用来执行简化MapReduce操作的，可以解决很多MapReduce解决起来比较麻烦的事。Hive把用户的HiveQL语句解释转换为MapReduce作业提交到Hadoop集群上，Hadoop监控作业执行过程，然后返回作业执行结果给用户。

2.2 Hive系统架构

• 用户接口：主要分为3个，分别是CLI（命令行）、JDBC/ODBC（由Java实现的用来连接数据库）、和WebUI（浏览器）。
• 跨语言服务（Thrift Server）:Thrift是Facebook开发的一个软件框架，用来进行可扩展且跨语言的服务，Hive集成该服务，可以让不同的编程语言调用Hive的接口
• 底层的驱动引擎：主要包含编译器(Compile)/优化器(Optimizer)/执行器(Executor)
• 元数据存储系统(Metastore)：Hive的元数据包括表名、列、分区及其相关属性，表数据所在目录的位置信息，Metastore默认存在自带的Derby数据库中（这是一个嵌入式数据库，更多有关嵌入式数据库资料查看这里在Spring中使用嵌入式数据库-H2）。

三、Hive实践

3.1 Hive安装

由于Hive依赖于Hadoop，所以要提前安装Hadoop，参见手把手教你安装Hadoop集群

• 下载并解压

  之前的Hadoop是分布式安装在3台机器上的，但Hive只需要安装在一台机子即可，我这里选择的是hadoop02

  下载地址：https://hive.apache.org/downloads.html，(在国内镜像网站上也是可以下载的)注意与Hadoop的版本对应，之前安装的Hadoop是2.x版本，这里下载安装Hive 2.3.9。 具体版本对应关系可在下载页面查看。

tar zxvf apache-hive-2.3.9-bin.tar.gz 

• 配置环境变量

  ​ 如何配置Linux环境变量

  # ---------Hive----------
  export HIVE_HOME=/home/apache-hive-2.3.9-bin
  export PATH=$HIVE_HOME/bin:$HIVE_HOME/conf:$PATH

• 修改配置文件

  这一步不是必须的，也就是不修改配置文件也是可以启动的。

  Hive默认的配置是使得Derby数据库进行存储的，是单用户的模式，也就是意味着同一时间只能有一个用户使用Hive。这里修改的配置主要是使用MySQL来存储元数据。在Hive配置中原本有hive-default.xml.template，对这个文件进行复制修改

  cd $HIVE_HOME/conf
  cp hive-default.xml.template hive-site.xml
  

  修改如下内容，可根据name属性进行搜索，可能并不连续

  <property>
      <name>javax.jdo.option.ConnectionURLname>
      <value>jdbc:mysql://192.168.83.1:3307/hive?createDatabaseIfNotExist=truevalue>
      <description>
          Mysql连接地址
      description>
  property>
  <property>
      <name>javax.jdo.option.ConnectionPasswordname>
      <value>123456value>
      <description>mysql密码description>
  property>
  <property>
      <name>javax.jdo.option.ConnectionDriverNamename>
      <value>com.mysql.cj.jdbc.Drivervalue>
      <description>JDBC驱动description>
  property>
  <property>
      <name>javax.jdo.option.ConnectionUserNamename>
      <value>rootvalue>
      <description>mysql用户名description>
  property>
  
  <property>
      <name>hive.querylog.locationname>
      <value>/data/hive/querylogvalue>
      <description>Location of Hive run time structured log filedescription>
  property>
  <property>
      <name>hive.exec.local.scratchdirname>
      <value>/data/hive/scratchdirvalue>
      <description>Local scratch space for Hive jobsdescription>
  property>
  <property>
      <name>hive.downloaded.resources.dirname>
      <value>/data/hive/resourcesdirvalue>
      <description>Temporary local directory for added resources in the remote file system.description>
  property>
  <property>
      <name>hive.server2.logging.operation.log.locationname>
      <value>/data/hive/operation_logsvalue>
      <description>Top level directory where operation logs are stored if logging functionality is enableddescription>
  property>

• 将Mysql的JDBC连接连接驱动放进hive的lib目录下，注意下载与Mysql对应的版本

• 在Mysql中创建hive数据库，并在hive的bin下执行如下命令，初始化Mysql中元数据的存储schema

  ./schematool -initSchema -dbType mysql 

• 启动Hive

  由于已经配置了环境变量，所以直接执行hive即可启动