第一章 Hive入门

Hive架构原理

用户接口：Client
CLI（command-line interface）、JDBC/ODBC。
说明：JDBC和ODBC的区别。
- JDBC的移植性比ODBC好；（通常情况下，安装完ODBC驱动程序之后，还需要经过确定的配置才能够应用。而不相同的配置在不相同数据库服务器之间不能够通用。所以，安装一次就需要再配置一次。JDBC只需要选取适当的JDBC数据库驱动程序，就不需要额外的配置。在安装过程中，JDBC数据库驱动程序会自己完成有关的配置。）
- 两者使用的语言不同，JDBC在Java编程时使用，ODBC一般在C/C++编程时使用。
元数据：Metastore
元数据包括：数据库（默认是default）、表名、表的拥有者、列/分区字段、表的类型（是否是外部表）、表的数据所在目录等。
默认存储在自带的derby数据库中，由于derby数据库只支持单客户端访问，生产环境中为了多人开发，推荐使用MySQL存储Metastore。
驱动器：Driver
- 解析器（SQLParser）：将SQL字符串转换成抽象语法树（AST）
- 语义分析（Semantic Analyzer）：将AST进一步划分为QeuryBlock
- 逻辑计划生成器（Logical Plan Gen）：将语法树生成逻辑计划
- 逻辑优化器（Logical Optimizer）：对逻辑计划进行优化
- 物理计划生成器（Physical Plan Gen）：根据优化后的逻辑计划生成物理计划
- 物理优化器（Physical Optimizer）：对物理计划进行优化
- 执行器（Execution）：执行该计划，得到查询结果并返回给客户端
Hadoop
使用HDFS进行存储，可以选择MapReduce/Tez/Spark进行计算。

第二章 Hive安装

Hive安装地址

Hive官网地址
1
http://hive.apache.org/

文档查看地址

1	https://cwiki.apache.org/confluence/display/Hive/GettingStarted

下载地址
1
http://archive.apache.org/dist/hive/

github地址

1	https://github.com/apache/hive

Hive安装部署

安装Hive

把apache-hive-3.1.3-bin.tar.gz上传到Linux的/opt/software目录下

解压apache-hive-3.1.3-bin.tar.gz到/opt/module/目录下面

1	[Jermyn@hadoop102 software]$ tar -zxvf /opt/software/apache-hive-3.1.3-bin.tar.gz -C /opt/module/

修改apache-hive-3.1.3-bin.tar.gz的名称为hive

1	[Jermyn@hadoop102 software]$ mv /opt/module/apache-hive-3.1.3-bin/ /opt/module/hive

修改/etc/profile.d/my_env.sh，添加环境变量

1	[Jermyn@hadoop102 software]$ sudo vim /etc/profile.d/my_env.sh

添加内容

1
2
3

#HIVE_HOME
export HIVE_HOME=/opt/module/hive
export PATH=$PATH:$HIVE_HOME/bin

source

1	[Jermyn@hadoop102 hive]$ source /etc/profile.d/my_env.sh

初始化元数据库（默认是derby数据库）

1	[Jermyn@hadoop102 hive]$ bin/schematool -dbType derby -initSchema

启动并使用Hive

启动Hive
1
[Jermyn@hadoop102 hive]$ bin/hive

使用Hive

hive> show databases;
hive> show tables;
hive> create table stu(id int, name string);
hive> insert into stu values(1,"ss");
hive> select * from stu;

MySQL安装

安装MySQL

上传MySQL安装包以及MySQL驱动jar包

1 2	mysql-5.7.28-1.el7.x86_64.rpm-bundle.tar mysql-connector-java-5.1.37.jar

解压MySQL安装包

1 2	[Jermyn@hadoop102 software]$ mkdir mysql_lib [Jermyn@hadoop102 software]$ tar -xf mysql-5.7.28-1.el7.x86_64.rpm-bundle.tar -C mysql_lib/

卸载系统自带的mariadb

1	[Jermyn@hadoop102 ~]$ sudo rpm -qa \| grep mariadb \| xargs sudo rpm -e --nodeps

安装MySQL依赖

[Jermyn@hadoop102 software]$ cd mysql_lib
[Jermyn@hadoop102 mysql_lib]$ sudo rpm -ivh mysql-community-common-5.7.28-1.el7.x86_64.rpm
[Jermyn@hadoop102 mysql_lib]$ sudo rpm -ivh mysql-community-libs-5.7.28-1.el7.x86_64.rpm
[Jermyn@hadoop102 mysql_lib]$ sudo rpm -ivh mysql-community-libs-compat-5.7.28-1.el7.x86_64.rpm

安装mysql-client

1	[Jermyn@hadoop102 mysql_lib]$ sudo rpm -ivh mysql-community-client-5.7.28-1.el7.x86_64.rpm

安装mysql-server
1
[Jermyn@hadoop102 mysql_lib]$ sudo rpm -ivh mysql-community-server-5.7.28-1.el7.x86_64.rpm
注意：若出现以下错误
warning: 05_mysql-community-server-5.7.16-1.el7.x86_64.rpm: Header V3 DSA/SHA1 Signature, key ID 5072e1f5: NOKEY
error: Failed dependencies:
libaio.so.1()(64bit) is needed by mysql-community-server-5.7.16-1.el7.x86_64
解决办法:
1
[Jermyn@hadoop102 software]$ sudo yum -y install libaio

启动MySQL

1	[Jermyn@hadoop102 software]$ sudo systemctl start mysqld

查看MySQL密码

1	[Jermyn@hadoop102 software]$ sudo cat /var/log/mysqld.log \| grep password

配置MySQL

配置主要是root用户 + 密码，在任何主机上都能登录MySQL数据库。

用刚刚查到的密码进入MySQL（如果报错，给密码加单引号）
1
[Jermyn@hadoop102 software]$ mysql -uroot -p'password'
设置复杂密码（由于MySQL密码策略，此密码必须足够复杂）
1
mysql> set password=password("Qs23=zs32");

更改MySQL密码策略

1 2	mysql> set global validate_password_policy=0; mysql> set global validate_password_length=4;

设置简单好记的密码

1	mysql> set password=password("123456");

进入MySQL库
1
mysql> use mysql
查询user表
1
mysql> select user, host from user;

修改user表，把Host表内容修改为%

1	mysql> update user set host="%" where user="root";

刷新
1
mysql> flush privileges;
退出
1
mysql> quit;

配置Hive元数据存储到MySQL

配置元数据到MySQL

新建Hive元数据库

# 登录MySQL
[Jermyn@hadoop102 software]$ mysql -uroot -p123456

# 创建Hive元数据库
mysql> create database metastore;
mysql> quit;

将MySQL的JDBC驱动拷贝到Hive的lib目录下。

1	[Jermyn@hadoop102 software]$ cp /opt/software/mysql-connector-java-5.1.37.jar $HIVE_HOME/lib

在$HIVE_HOME/conf目录下新建hive-site.xml文件

1	[Jermyn@hadoop102 software]$ vim $HIVE_HOME/conf/hive-site.xml

添加如下内容：

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<configuration>
    <!-- jdbc连接的URL -->
    <property>
        <name>javax.jdo.option.ConnectionURL</name>
        <value>jdbc:mysql://hadoop102:3306/metastore?useSSL=false</value>
    </property>
    
    <!-- jdbc连接的Driver-->
    <property>
        <name>javax.jdo.option.ConnectionDriverName</name>
        <value>com.mysql.jdbc.Driver</value>
    </property>
    
	<!-- jdbc连接的username-->
    <property>
        <name>javax.jdo.option.ConnectionUserName</name>
        <value>root</value>
    </property>

    <!-- jdbc连接的password -->
    <property>
        <name>javax.jdo.option.ConnectionPassword</name>
        <value>123456</value>
    </property>

    <!-- Hive默认在HDFS的工作目录 -->
    <property>
        <name>hive.metastore.warehouse.dir</name>
        <value>/user/hive/warehouse</value>
    </property>
</configuration>

初始化Hive元数据库（修改为采用MySQL存储元数据）

1	[Jermyn@hadoop102 hive]$ bin/schematool -dbType mysql -initSchema -verbose

验证元数据是否配置成功

再次启动Hive
1
[Jermyn@hadoop102 hive]$ bin/hive

使用Hive

hive> show databases;
hive> show tables;
hive> create table stu(id int, name string);
hive> insert into stu values(1,"ss");
hive> select * from stu;

在Xshell窗口中开启另一个窗口开启Hive（两个窗口都可以操作Hive，没有出现异常）
1
2
3
hive> show databases;
hive> show tables;
hive> select * from stu;

Hive服务部署

hiveserver2服务

Hive的hiveserver2服务的作用是提供jdbc/odbc接口，为用户提供远程访问Hive数据的功能，例如用户期望在个人电脑中访问远程服务中的Hive数据，就需要用到Hiveserver2。

用户说明
在远程访问Hive数据时，客户端并未直接访问Hadoop集群，而是由Hivesever2代理访问。由于Hadoop集群中的数据具备访问权限控制，所以此时需考虑一个问题：那就是访问Hadoop集群的用户身份是谁？是Hiveserver2的启动用户？还是客户端的登录用户？
答案是都有可能，具体是谁，由Hiveserver2的hive.server2.enable.doAs参数决定，该参数的含义是是否启用Hiveserver2用户模拟的功能。若启用，则Hiveserver2会模拟成客户端的登录用户去访问Hadoop集群的数据，不启用，则Hivesever2会直接使用启动用户访问Hadoop集群数据。模拟用户的功能，默认是开启的。
具体逻辑如下：
未开启用户模拟功能：

开启用户模拟功能：

生产环境，推荐开启用户模拟功能，因为开启后才能保证各用户之间的权限隔离。

hiveserver2部署

Hadoop端配置
hivesever2的模拟用户功能，依赖于Hadoop提供的proxy user（代理用户功能），只有Hadoop中的代理用户才能模拟其他用户的身份访问Hadoop集群。因此，需要将hiveserver2的启动用户设置为Hadoop的代理用户，配置方式如下：

修改配置文件core-site.xml，然后记得分发三台机器

1 2	[Jermyn@hadoop102 ~]$ cd $HADOOP_HOME/etc/hadoop [Jermyn@hadoop102 hadoop]$ vim core-site.xml

增加如下配置：

<!--配置所有节点的Jermyn用户都可作为代理用户-->
<property>
    <name>hadoop.proxyuser.Jermyn.hosts</name>
    <value>*</value>
</property>

<!--配置Jermyn用户能够代理的用户组为任意组-->
<property>
    <name>hadoop.proxyuser.Jermyn.groups</name>
    <value>*</value>
</property>

<!--配置Jermyn用户能够代理的用户为任意用户-->
<property>
    <name>hadoop.proxyuser.Jermyn.users</name>
    <value>*</value>
</property>

Hive端配置
在hive-site.xml文件中添加如下配置信息

[Jermyn@hadoop102 conf]$ vim hive-site.xml

<!-- 指定hiveserver2连接的host -->
<property>
	<name>hive.server2.thrift.bind.host</name>
	<value>hadoop102</value>
</property>

<!-- 指定hiveserver2连接的端口号 -->
<property>
	<name>hive.server2.thrift.port</name>
	<value>10000</value>
</property>```

3. 测试
 - 启动hiveserver2
```powershell
[Jermyn@hadoop102 hive]$ bin/hive --service hiveserver2

使用命令行客户端beeline进行远程访问:启动beeline客户端

1	[Jermyn@hadoop102 hive]$ bin/beeline -u jdbc:hive2://hadoop102:10000 -n Jermyn

看到如下界面:

Connecting to jdbc:hive2://hadoop102:10000
Connected to: Apache Hive (version 3.1.3)
Driver: Hive JDBC (version 3.1.3)
Transaction isolation: TRANSACTION_REPEATABLE_READ
Beeline version 3.1.3 by Apache Hive
0: jdbc:hive2://hadoop102:10000>

启动hiveserver2后台运行

[Jermyn@hadoop102 hive]$ bin/hiveserver2 >/dev/null 2>&1 &
[1] 5770
[Jermyn@hadoop102 hive]$ jps
5108 NodeManager
5892 Jps
4905 DataNode
5770 RunJar
4735 NameNode
[Jermyn@hadoop102 hive]$

metastore服务

Hive的metastore服务的作用是为Hive CLI或者Hiveserver2提供元数据访问接口。

metastore运行模式
metastore有两种运行模式，分别为嵌入式模式和独立服务模式。下面分别对两种模式
- 嵌入式模式
- 独立服务模式
  
  生产环境中，不推荐使用嵌入式模式。因为其存在以下两个问题：
- 嵌入式模式下，每个Hive CLI都需要直接连接元数据库，当Hive CLI较多时，数据库压力会比较大。
- 每个客户端都需要用户元数据库的读写权限，元数据库的安全得不到很好的保证。

metastore部署

嵌入式模式
嵌入式模式下，只需保证Hiveserver2和每个Hive CLI的配置文件hive-site.xml中包含连接元数据库所需要的以下参数即可：

<!-- jdbc连接的URL -->
    <property>
        <name>javax.jdo.option.ConnectionURL</name>
        <value>jdbc:mysql://hadoop102:3306/metastore?useSSL=false</value>
    </property>
    
    <!-- jdbc连接的Driver-->
    <property>
        <name>javax.jdo.option.ConnectionDriverName</name>
        <value>com.mysql.jdbc.Driver</value>
    </property>
    
	<!-- jdbc连接的username-->
    <property>
        <name>javax.jdo.option.ConnectionUserName</name>
        <value>root</value>
    </property>

    <!-- jdbc连接的password -->
    <property>
        <name>javax.jdo.option.ConnectionPassword</name>
        <value>123456</value>
    </property>

独立服务模式
独立服务模式需做以下配置：
首先，保证metastore服务的配置文件hive-site.xml中包含连接元数据库所需的以下参数：

<!-- jdbc连接的URL -->
    <property>
        <name>javax.jdo.option.ConnectionURL</name>
        <value>jdbc:mysql://hadoop102:3306/metastore?useSSL=false</value>
    </property>
    
    <!-- jdbc连接的Driver-->
    <property>
        <name>javax.jdo.option.ConnectionDriverName</name>
        <value>com.mysql.jdbc.Driver</value>
    </property>
    
	<!-- jdbc连接的username-->
    <property>
        <name>javax.jdo.option.ConnectionUserName</name>
        <value>root</value>
    </property>

    <!-- jdbc连接的password -->
    <property>
        <name>javax.jdo.option.ConnectionPassword</name>
        <value>123456</value>
    </property>

其次，保证Hiveserver2和每个Hive CLI的配置文件hive-site.xml中包含访问metastore服务所需的以下参数：

<!-- 指定metastore服务的地址 -->
<property>
	<name>hive.metastore.uris</name>
	<value>thrift://hadoop102:9083</value>
</property>

注意：主机名需要改为metastore服务所在节点，端口号无需修改，metastore服务的默认端口就是9083。

编写Hive服务启动脚本

前台启动的方式导致需要打开多个Xshell窗口，可以使用如下方式后台方式启动
- nohup：放在命令开头，表示不挂起，也就是关闭终端进程也继续保持运行状态
- /dev/null：是Linux文件系统中的一个文件，被称为黑洞，所有写入该文件的内容都会被自动丢弃
- 2>&1：表示将错误重定向到标准输出上
- &：放在命令结尾，表示后台运行
  一般会组合使用：nohup [xxx命令操作]> file 2>&1 &，表示将xxx命令运行的结果输出到file中，并保持命令启动的进程在后台运行。
  1
  2
  [Jermyn@hadoop202 hive]$ nohup hive --service metastore 2>&1 &
  [Jermyn@hadoop202 hive]$ nohup hive --service hiveserver2 2>&1 &

为了方便使用，可以直接编写脚本来管理服务的启动和关闭

#!/bin/bash
############################################################################
# Desc    : hiveservices hive集群控制脚本
# Path    : /home/Jermyn/bin
# Auther  : Jermyn
# Date    : 2023-07-15
# Version : 1.0
############################################################################
HIVE_LOG_DIR=$HIVE_HOME/logs
if [ ! -d $HIVE_LOG_DIR ]
then
        mkdir -p $HIVE_LOG_DIR
fi

#检查进程是否运行正常，参数1为进程名，参数2为进程端口
function check_process()
{
    pid=$(ps -ef 2>/dev/null | grep -v grep | grep -i $1 | awk '{print $2}')
    ppid=$(netstat -nltp 2>/dev/null | grep $2 | awk '{print $7}' | cut -d '/' -f 1)
    echo $pid
    [[ "$pid" =~ "$ppid" ]] && [ "$ppid" ] && return 0 || return 1
}

function hive_start()
{
    metapid=$(check_process HiveMetastore 9083)
    cmd="nohup hive --service metastore >$HIVE_LOG_DIR/metastore.log 2>&1 &"
    [ -z "$metapid" ] && eval $cmd || echo "Metastroe服务已启动"
    server2pid=$(check_process HiveServer2 10000)
    cmd="nohup hive --service hiveserver2 >$HIVE_LOG_DIR/hiveServer2.log 2>&1 &"
    [ -z "$server2pid" ] && eval $cmd || echo "HiveServer2服务已启动"
}

function hive_stop()
{
metapid=$(check_process HiveMetastore 9083)
    [ "$metapid" ] && kill $metapid || echo "Metastore服务未启动"
    server2pid=$(check_process HiveServer2 10000)
    [ "$server2pid" ] && kill $server2pid || echo "HiveServer2服务未启动"
}

case $1 in
"start")
    hive_start
    ;;
"stop")
    hive_stop
    ;;
"restart")
    hive_stop
    sleep 2
    hive_start
    ;;
"status")
    check_process HiveMetastore 9083 >/dev/null && echo "Metastore服务运行正常" || echo "Metastore服务运行异常"
    check_process HiveServer2 10000 >/dev/null && echo "HiveServer2服务运行正常" || echo "HiveServer2服务运行异常"
    ;;
*)
    echo Invalid Args!
    echo 'Usage: '$(basename $0)' start|stop|restart|status'
    ;;
esac

第三章 DDL（Data Definition Language）数据定义

数据库（database）

创建数据库

CREATE DATABASE [IF NOT EXISTS] database_name
[COMMENT database_comment]
[LOCATION hdfs_path]
[WITH DBPROPERTIES (property_name=property_value, ...)];

查询数据库

展示所有数据库

1 2	SHOW DATABASES [LIKE 'identifier_with_wildcards']; 注：like通配表达式说明：*表示任意个任意字符，\|表示或的关系。

查看数据库信息

1	DESCRIBE DATABASE [EXTENDED] db_name;

修改数据库

用户可以使用alter database命令修改数据库某些信息，其中能够修改的信息包括dbproperties、location、owner user。需要注意的是：修改数据库location，不会改变当前已有表的路径信息，而只是改变后续创建的新表的默认的父目录。

--修改dbproperties
ALTER DATABASE database_name SET DBPROPERTIES (property_name=property_value, ...);

--修改location
ALTER DATABASE database_name SET LOCATION hdfs_path;

--修改owner user
ALTER DATABASE database_name SET OWNER USER user_name;

删除数据库

1
2
3

DROP DATABASE [IF EXISTS] database_name [RESTRICT|CASCADE];
注：RESTRICT：严格模式，若数据库不为空，则会删除失败，默认为该模式。
    CASCADE：级联模式，若数据库不为空，则会将库中的表一并删除。

切换当前数据库

1	USE database_name;

表（table）

创建表

普通建表

CREATE [TEMPORARY] [EXTERNAL] TABLE [IF NOT EXISTS] [db_name.]table_name   
[(col_name data_type [COMMENT col_comment], ...)]
[COMMENT table_comment]
[PARTITIONED BY (col_name data_type [COMMENT col_comment], ...)]
[CLUSTERED BY (col_name, col_name, ...) 
[SORTED BY (col_name [ASC|DESC], ...)] INTO num_buckets BUCKETS]
[ROW FORMAT row_format] 
[STORED AS file_format]
[LOCATION hdfs_path]
[TBLPROPERTIES (property_name=property_value, ...)]

TEMPORARY:临时表，该表只在当前会话可见，会话结束，表会被删除。
EXTERNAL（重点）:外部表，与之相对应的是内部表（管理表）。管理表意味着Hive会完全接管该表，包括元数据和HDFS中的数据。而外部表则意味着Hive只接管元数据，而不完全接管HDFS中的数据。
data_type（重点）:Hive中的字段类型可分为基本数据类型和复杂数据类型。
基本数据类型如下：

复杂数据类型如下:
注：类型转换
Hive的基本数据类型可以做类型转换，转换的方式包括隐式转换以及显示转换。
方式一：隐式转换
具体规则如下：
a. 任何整数类型都可以隐式地转换为一个范围更广的类型，如tinyint可以转换成int，int可以转换成bigint。
b. 所有整数类型、float和string类型都可以隐式地转换成double。
c. tinyint、smallint、int都可以转换为float。
d. boolean类型不可以转换为任何其它的类型。
详情可参考Hive官方说明：

方式二：显示转换
可以借助cast函数完成显示的类型转换
a.语法
cast(expr as)