Hive入门
复习Hadoop：
1、Hadoop是什么
存储 HDFS
计算 MapReduce
资源调度 YARN
2、HDFS的访问方式
Shell CLI ：Hadoop/hdfs fs ……
Java API ：FileSystem
Web UI：HUE/Hadoop自带UI
3、Hadoop的常用操作
HDFS：mkdir put get rm mv
问题：copy vs mv
MR：mr的执行流程（一定要掌握的）
YARN：mr作业跑在yarn之上，杀死yarn上的作业，提交的时候指定的一些重要的参数。
问题:使用MapReduce实现join、mapjoin的功能？
===>非常繁琐
wordcount
明白：MR是非常麻烦的
Hive的产生背景：
1、MR编程不便性
2、传统的RDBMS人员的需求
HDFS上面的文件就是普通的文件，它并没有schema的概念
schema：RDBMS中的表结构
people.txt <== id name age address
sql ===> 搞定海量数据的统计分析
===> 产生Hive
Hive
分布式系统：HDFS/S3
问题：HDFS存的是近期的数据
1min：几百G
冷数据：定期的移走S3 table的location指向S3
FaceBook开源
目的是解决海量结构化日志数据的统计文件
构建在Hadoop之上的数据仓库
数据存储子HDFS之上
计算时使用MR
弹性：线性扩展
Hive底层的执行引擎：MapReduce、Tez、Spark
Hive定义一种类似SQL的查询语言：HQL
问题：HQL和SQL的关系？
什么关系都没有，只是语法类似
很多的SQL on Hadoop的语法都是和RDBMS非常类似的
Hive常用于：离线批处理
SQL ===> MR：把SQL语句翻译成MapReduce作业，并提交到YARN上运行
问题：是否智能、执行计划（sql是如何翻译成mr作业）
高级：UDF
版本
Stinger Plan：
Phase 1 0.11 ORC HiveServer2
Phase 2 0.22 ORC improvement
Phase 3 0.13 Vectorized query engine & Tex
Stinger.next Phase 1 0.14 CBO
为什么要使用Hive
1)、简单易用
2)、弹性
3)、统一的元数据管理
元数据存放在哪里呢？
metadata mysql
统一：SQL on Hadoop都是能够共享的
Hive/Pig/Impala/Spark SQL/Presto
问题：Hive的数据存放在哪里？
HDFS + metadata
Hive体系架构
测试环境部署架构：
客户端(client、web、idbc)发送HQL语句到Hive（可以存放数据在MySQL或者Derby）上，最后作业提交到Hadoop集群上。
问题：Hive需要集群吗？
Hive不需要集群，可以理解Hive为一个客户端。
问题：存在什么缺陷？
一个MySQL在生产中可能存在单点故障，所以需要准备两个MySQL，一个是active一个是standby，一台机器出现问题，另外一台机器运行。
Hive部署架构
Hive VS RDBMS
Hive的缺点：
慢、非实时、延时性比较高
Hive环境的搭建
wget http://archive.cloudera.com/cdh5/cdh/5/hive-1.1.0-cdh5.7.0.tar.gz
tar -zxvf hive-1.1.0-cdh5.7.0.tar.gz -C ~/app
1）添加HIVE_HOME到系统环境变量：
export HIVE_HOME=/home/hadoop/app/hive-1.1.0-cdh5.7.0
export PATH=$HIVE_HOME/bin:$PATH
2）Hive配置修改
hive-env.sh
HADOOP_HOME=/home/hadoop/app/hadoop-2.6.0-cdh5.7.0
hive-site.xml 统一元数据管理
<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<property>
<name>javax.jdo.option.ConnectionURL</name>
<value>jdbc:mysql://localhost:3306/ruozedata_basic02(数据库名)?createDatabaseIfNotExist=true（当数据库不存在的时候，自动创建数据库）</value>
</property>
<property>
<name>javax.jdo.option.ConnectionDriverName</name>
<value>com.mysql.jdbc.Driver</value>
</property>
<property>
<name>javax.jdo.option.ConnectionUserName</name>
<value>root</value>
</property>
<property>
<name>javax.jdo.option.ConnectionPassword</name>
<value>root</value>
</property>
</configuration>
3）拷贝MySQL驱动包到$HIVE_HOME/lib
如果没有拷贝MySQL驱动包，启动hive会报错：
The specified datastore driver ("com.mysql.jdbc.Driver") was not found in the CLASSPATH.
Please check your CLASSPATH specification,
and the name of the driver.
4）权限问题
创建表失败：
FAILED: Execution Error,
return code 1 from org.apache.hadoop.hive.ql.exec.DDLTask.
MetaException(message:For direct MetaStore DB
connections, we don't support retries at the client
level.)
思路：找日志
日志在哪里：$HIVE_HOME/conf/hive-log4j.properties.template
hive.log.dir=${java.io.tmpdir}/${user.name}
hive.log.file=hive.log
问题：能不能改，如何改？
日志错误：
ERROR [main]: Datastore.Schema (Log4JLogger.java:error(115)) - An exception was thrown while adding/validating class(es) :
Specified key was too long; max key length is 767 bytes
com.mysql.jdbc.exceptions.jdbc4.MySQLSyntaxErrorException: Specified key was too long; max key length is 767 bytes
解决：
alter database ruozedata_basic02 character set latin1;
【来自@若泽大数据】
