hive-0 简介 安装 本地文件上传到hive
1 简介:
a) 概念:
Hive 是建立在 Hadoop 上的数据仓库基础构架。它提供了一系列的工具,可以用来进行数据提取转化加载(ETL ),这是一种可以存储、查询和分析存储在 Hadoop 中的大规模数据的机制。Hive 定义了简单的类 SQL 查询语言,称为 QL ,它允许熟悉 SQL 的用户查询数据。
同时,这个语言也允许熟悉 MapReduce 开发者的开发自定义的 mapper 和 reducer 来处理内建的 mapper 和 reducer 无法完成的复杂的分析工作。
b) 解释:
b.1) 数据库侧重于一些操作型的事情,事务型的东西,底层设计侧重于操作
b.2) 数据仓库侧重于查询,底层设计侧重于查询, 在相同数据量下,数据仓库查询速度会更快。
b.3) hive和mapreduce的区别:
相同处: 都是对海量数据的查询
不同处:
mapreduce是用Java开发的,对非Java的人有瓶颈,
hive:封装在Hadoop之上的可以使用SQL进行海量数据查询的框架,因为SQL学习简单使用简单因此降低了使用门槛。
b.4) ETL:
E: 抽取 比如业务提供9个字段,我们之获取4个字段
T: 转化 transform,比如有的业务男女用 true false,有的业务用1,0 在汇总到hive时,需要转成统一标示
L: 加载 load
b.5) hive其数据仓库的数据是外面导入进来的。
b.6) hive转化成mapreduce时,需要知道启多少个map 多少个reduce,运行的数量和运行速度是需要关心的。
对hive的优化实际就是对生成的map-reduce的优化。
c) HQL中的信息和hdfs对应规则如下:
表 ----> hdfs文件/文件夹
表中数据 ----> hdfs文件/文件夹内数据
表中列 ----> hdfs文件数据的不同字段
以上对应关系存放在hive的metastore组件中,metastore表现为关系数据库,可以是derby,也可以是mysql
类比于 hibernate和mysql的对应关系:
User <------> cn_user 对应关系在 *.hbm.xml内
metastore表现默认使用derby,但是这种存储太小众,一般需要将hive和hdfs对应关系存储在MySQL中
2 安装hive
2.1) 一定要配置在Hadoop集群的某个节点上
2.2) 类比于QQ,是一款比较简易的客户端安装软件,安装简单
2.3) 安装过程:
[root@master local]# tar -zxvf hive-0.9.0.tar.gz 解压 [root@master local]# mv hive-0.9.0 hive 改名 [root@master hive]# cd conf [root@master conf]# ls hive-default.xml.template hive-exec-log4j.properties.template hive-env.sh.template hive-log4j.properties.template [root@master conf]# mv hive-exec-log4j.properties.template hive-exec-log4j.prop 修改hive/conf/内文件,并创建新文件 hive-site.xml erties [root@master conf]# mv hive-log4j.properties.template hive-log4j.properties [root@master conf]# ls hive-default.xml.template hive-exec-log4j.properties hive-env.sh.template hive-log4j.properties [root@master conf]# mv hive-env.sh.template hive-env.sh [root@master conf]# mv hive-default.xml.template hive-default.xml [root@master conf]# cp hive-default.xml hive-site.xml [root@master conf]# ls hive-default.xml hive-exec-log4j.properties hive-site.xml hive-env.sh hive-log4j.properties [root@master conf]# cat hive-site.xml 修改hive-site.xml 成如下样子: <?xml version="1.0"?> <?xml-stylesheet type="text/xsl" href="configuration.xsl"?> <configuration> </configuration> [root@master bin]# vi hive-config.sh 修改hive/bin/hive-config.sh 增加如下信息: export JAVA_HOME=/usr/local/jdk export HADOOP_HOME=/usr/local/hadoop export HIVE_HOME=/usr/local/hive [root@master bin]# ls ext hive hive-config.sh [root@master bin]# jps 20011 Jps 9800 JobTracker 9572 NameNode 9721 SecondaryNameNode [root@master bin]# hive 保证Hadoop集群开启下,来启动hive WARNING: org.apache.hadoop.metrics.jvm.EventCounter is deprecated. Please use org.apache.hadoop.log.metrics.EventCounter in all the log4j.properties files. Logging initialized using configuration in file:/usr/local/hive/conf/hive-log4j.properties ----> 标明配置写出日志文件的配置文件 Hive history file=/tmp/root/hive_job_log_root_201412111909_207218151.txt -----> 表示日志文件 hive> show databases; OK default Time taken: 14.129 seconds hive> use default; OK Time taken: 0.141 seconds hive> show tables; OK Time taken: 0.995 seconds hive> create table t1(id int); OK Time taken: 1.015 seconds hive> show tables; OK t1 Time taken: 0.068 seconds hive> quit; [root@master bin]# ls -->上面表创建后,可见下面增加文件derby.log和metastore_db derby.log ext hive hive-config.sh metastore_db
2.3.1) 配置hive环境变量:
配置hive环境变量: export JAVA_HOME=/usr/local/jdk export HADOOP_HOME=/usr/local/hadoop export HIVE_HOME=/usr/local/hive export PATH=.:$HIVE_HOME/bin:$HADOOP_HOME/bin:$JAVA_HOME/bin:$PATH [root@master data]# source /etc/profile 立马生效
2.4) hive默认数据库对应hdfs路径:
hive中的数据库,表对应HDFS中文件夹对应关系: http://master:50070/dfshealth.jsp --->Browse the filesystem --->user --->hive --->warehouse --->t1 看到我们通过命令创建的表 对应目录为:/user/hive/warehouse/t1 其中: 当hive部署成功后,hive默认的数据库default在hdfs上对应的目录是/user/hive/warehouse
如下图:
2.5) hive 映射关系metastore 将默认derby修改成mysql做法:
前提 a) mysql数据库安装上 b) 如果mysql服务没有安装在当前hive所在机器,那么设置mysql服务远程连接和操作授权 c) 将mysql-jdbc驱动扔到hive/lib下 [root@master bin]# cp /usr/local/mysql-connector-java-5.1.10.jar ../lib d) 修改配置文件hive/bin/hive-site.xml 增加mysal连接信息: [root@master conf]# vi hive-site.xml 修改增加如下内容 [root@master conf]# cat hive-site.xml <?xml version="1.0"?> <?xml-stylesheet type="text/xsl" href="configuration.xsl"?> <configuration> <property> <name>javax.jdo.option.ConnectionURL</name> <value>jdbc:mysql://master:3306/hive_cr00?createDatabaseIfNotExist=true</value> hive_cr00表示数据库名 </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>admin</value> </property> </configuration> e) 进入hive/bin,删除derby.log metastore_db等信息: [root@master bin]# ls derby.log ext hive hive-config.sh metastore_db [root@master bin]# rm -rf derby.log [root@master bin]# rm -rf metastore_db/ [root@master bin]# ls ext hive hive-config.sh f) 继续执行hive命令: [root@master bin]# hive WARNING: org.apache.hadoop.metrics.jvm.EventCounter is deprecated. Please use org.apache.hadoop.log.metrics.EventCounter in all the log4j.properties files. Logging initialized using configuration in file:/usr/local/hive/conf/hive-log4j.properties Hive history file=/tmp/root/hive_job_log_root_201412112247_263167195.txt hive> show databases; OK default Time taken: 7.634 seconds hive> use default; // 使用hive默认数据库 OK Time taken: 0.094 seconds hive> show tables; OK Time taken: 1.034 seconds hive> create table t1(id int); // 创建表 OK Time taken: 0.43 seconds hive> [root@master bin]# ls // 此时没有在产生 derby.log metastore_db等存储映射信息的文件和库 ext hive hive-config.sh g) 进入MySQL服务,查看刚才hive创建操作生成的结果: mysql> show databases; +--------------------+ | Database | +--------------------+ | information_schema | | hive_cr00 | | mysql | | test | +--------------------+ 4 rows in set (0.00 sec) mysql> use hive_cr00 // 使用配置文件 hive-site.xml内配置的库 hive_cr00 Reading table information for completion of table and column names You can turn off this feature to get a quicker startup with -A Database changed mysql> show tables; +---------------------+ | Tables_in_hive_cr00 | +---------------------+ | BUCKETING_COLS | | CDS | | COLUMNS_V2 | | DATABASE_PARAMS | | DBS | | PARTITION_KEYS | | SDS | | SD_PARAMS | | SEQUENCE_TABLE | | SERDES | | SERDE_PARAMS | | SORT_COLS | | TABLE_PARAMS | | TBLS | +---------------------+ 14 rows in set (0.00 sec) mysql> select * from DBS // 可以看到hive默认数据库名default,默认路径为hdfs://master:9000/user/hive/warehouse -> ; +-------+-----------------------+----------------------------------------+---------+ | DB_ID | DESC | DB_LOCATION_URI | NAME | +-------+-----------------------+----------------------------------------+---------+ | 1 | Default Hive database | hdfs://master:9000/user/hive/warehouse | default | +-------+----- mysql> select * from TBLS \G; // 可以看到之前通过hive操作创建的表t1, *************************** 1. row *************************** TBL_ID: 1 CREATE_TIME: 1418366898 DB_ID: 1 LAST_ACCESS_TIME: 0 OWNER: root RETENTION: 0 SD_ID: 1 TBL_NAME: t1 TBL_TYPE: MANAGED_TABLE VIEW_EXPANDED_TEXT: NULL VIEW_ORIGINAL_TEXT: NULL mysql> select * from COLUMNS_V2 // 可以看到之前通过hive操作创建的表t1字段 id -> ; +-------+---------+-------------+-----------+-------------+ | CD_ID | COMMENT | COLUMN_NAME | TYPE_NAME | INTEGER_IDX | +-------+---------+-------------+-----------+-------------+ | 1 | NULL | id | int | 0 | +-------+---------+-------------+-----------+-------------+ 1 row in set (0.00 sec)
2.6) 通过hive将本地磁盘文件上传到hdfs中做法:
实验代码:
a) 通过hive创建单字段表,并上传本地文件到hive:
[root@master data]# cat onecolumn // 在本地磁盘文件中的创建数据 1 2 3 4 5 // 通过hive hql将本地文件数据上传到hive中(1 实际是将本地磁盘文件数据写到hdfs中 2 通过hive将hdfs和hive表对应关系保持到MySQL中) hive> load data local inpath '/usr/local/data/onecolumn' into table t1; Copying data from file:/usr/local/data Copying file: file:/usr/local/data/onecolumn Loading data to table default.t1 OK Time taken: 16.166 seconds hive> select * from t1; OK 1 2 3 4 5 Time taken: 0.812 seconds 上述命令解释如下: load data local inpath '/usr/local/data/onecolumn' into table t1; load data 文件在本地(local) inpath位置在 '可以是绝对路径也可以是相对路径' into table t1(加载到表t1中)
结果图:
b) 通过hive创建多字段表,并上传本地文件到hive:
通过hive创建多字段表: create table t2(id int, name string) row format delimited fields terminated by '\t'; 解释: row format delimited fields terminated by 是固定不动的,不管是多少个字段, '\t'是可变的,表示字段之间的间隔 hive> create table t2(id int, name string) row format delimited fields terminated by '\t'; // hive中创建多字段表,接受的实际数据之间用'\t'间隔 OK Time taken: 0.462 seconds [root@master data]# cat user // 准备本次磁盘文件数据 1 zhangsan 2 lisi 3 wangwu 4 zhaoliu hive> load data local inpath '/usr/local/data/user' into table t2; hive> select * from t2; OK 1 zhangsan 2 lisi 3 wangwu 4 zhaoliu hive> select name from t2; // 在查询某个/某几个列的时候 没办法全表扫描,只能通过map-reduce去做, Total MapReduce jobs = 1 Launching Job 1 out of 1 Number of reduce tasks is set to 0 since there's no reduce operator Starting Job = job_201412080304_0005, Tracking URL = http://master:50030/jobdetails.jsp?jobid=job_201412080304_0005 Kill Command = /usr/local/hadoop/libexec/../bin/hadoop job -Dmapred.job.tracker=master:9001 -kill job_201412080304_0005 Hadoop job information for Stage-1: number of mappers: 1; number of reducers: 0 2014-12-12 00:15:53,940 Stage-1 map = 0%, reduce = 0% 2014-12-12 00:16:00,119 Stage-1 map = 100%, reduce = 0%, Cumulative CPU 0.58 sec 2014-12-12 00:16:01,129 Stage-1 map = 100%, reduce = 0%, Cumulative CPU 0.58 sec 2014-12-12 00:16:02,144 Stage-1 map = 100%, reduce = 100%, Cumulative CPU 0.58 sec MapReduce Total cumulative CPU time: 580 msec Ended Job = job_201412080304_0005 MapReduce Jobs Launched: Job 0: Map: 1 Cumulative CPU: 0.58 sec HDFS Read: 237 HDFS Write: 29 SUCCESS Total MapReduce CPU Time Spent: 580 msec OK zhangsan lisi wangwu zhaoliu Time taken: 42.547 seconds
已有 0 人发表留言,猛击->> 这里<<-参与讨论
ITeye推荐