Hadoop中Hive原理及安装

Hive是什么(官网概念)

Apache Hive™数据仓库软件有助于使用 SQL 读取，写入和管理驻留在分布式存储中的大型数据集。可以将结构投影到已存储的数据上。提供命令行 工具 和JDBC驱动程序，用于将用户连接到Hive。

• Hive是建立在Hadoop (HDFS/MR)上的用于管理和查询结果化/非结构化的数据仓库;
• 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HQL，它允许熟悉SQL 的用户查询数据;
• 允许用 Java 开发自定义的函数UDF来处理内置无法完成的复杂的分析工作;
• Hive没有专门的数据格式(分隔符等可以自己灵活的设定);

适用场景

• Hive不适用于在线事务处理。 它最适用于传统的数据仓库任务
• Hive的执行延迟比较高，因为hive常用于数据分析的，对实时性要求不高;
• Hive优势在于处理大数据，对于处理小数据没有优势，因为hive的执行延迟比较高。

1 Execute Query

Hive接口，如命令行或Web UI发送查询驱动程序(任何数据库驱动程序，如JDBC，ODBC等)来执行。

2 Get Plan

在驱动程序帮助下查询编译器，分析查询检查语法和查询计划或查询的要求。

3 Get Metadata

编译器发送元数据请求到Metastore(任何数据库)。

4 Send Metadata

Metastore发送元数据，以编译器的响应。

5 Send Plan

编译器检查要求，并重新发送计划给驱动程序。到此为止，查询解析和编译完成。

6 Execute Plan

驱动程序发送的执行计划到执行引擎。

7 Execute Job

在内部，执行作业的过程是一个MapReduce工作。执行引擎发送作业给JobTracker，在名称节点并把它分配作业到TaskTracker，这是在数据节点。在这里，查询执行MapReduce工作。

7.1 Metadata Ops

与此同时，在执行时，执行引擎可以通过Metastore执行元数据操作。

8 Fetch Result

执行引擎接收来自数据节点的结果。

9 Send Results

执行引擎发送这些结果值给驱动程序。

10 Send Results

驱动程序将结果发送给Hive接口。

Hadoop中实际应用

通过上面流程解释，要想在hadoop中使用hive,至少需要安装hive和Metastore(任何数据库)本文安装mysql 。

1 ， 安装mysql

下载 linux 环境下的 mysql 安装包，需要两个，一个是server端的，一个是client端的。

查询linux机器上默认安装的mysql或者你以前安装的mysql, 暴力卸载之 。

rpm -e mysql-libs-5.xxxxxx_i686 --nodeps 

执行安装命令

rpm -ivh Mysql-server-xxx.i386.rpm  
rpm -ivh Mysql-client-xxx.i386.rpm 

执行命令初始化设置mysql

/usr/bin/mysql_secure_installation 

使用客户端登陆

mysql -uroot -proot 

登陆成功后输入命令：(授予mysql远程用户连接的权限)

GRANT ALL PRIVILEGES ON *.* TO 'root'@'%' IDENTIFIED BY 'root' WITH GRANT OPTION; 

使用远程客户端连接(navicat 或Advanced Query Tools等等工具 )我用的navicat, 如图自行领悟。

到这里hive就安装搭建完成了!