Wnma's Blogs
0%

在Hadoop基础上Hive的安装

发表于 更新于 分类于

这篇文章主要介绍了Hive在Hadoop上的安装及一些基本的Hive操作

写在开头 环境 Hadoop单机 Centos7 Hadoop-2.7.3 hadoop位置：/usr/loacl/hadoop

参考文章 Hadoop集群之Hive安装配置

下载Hive

下载源码包 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
#在hadoop目录下操作
cd /usr/local/hadoop

#用wget下载
wget http://mirrors.cnnic.cn/apache/hive/hive-1.2.1/apache-hive-1.2.1-bin.tar.gz

#也可以在图形界面下下载之后，上传压缩包

#解压缩包
tar -zxvf apache-hive-1.2.1-bin.tar.gz

#配置环境变量
vim /etc/profile
#位置在之前配置的变量之后，大概12行左右，因为之前配置了jdk和hadoop变量
export HIVE_HOME=/usr/local/hadoop/apache-hive-1.2.2-bin
export PATH=$HIVE_HOME/bin:$PATH
#适当位置添加"$HIVE_HOME/bin:"
#保存退出

#使文件生效
source /etc/profile

安装MySQL

MariaDB数据库管理系统是MySQL的一个分支，主要由开源社区在维护，采用GPL授权许可。开发这个分支的原因之一是：甲骨文公司收购了MySQL后，有将MySQL闭源的潜在风险，因此社区采用分支的方式来避开这个风险。MariaDB的目的是完全兼容MySQL，包括API和命令行，使之能轻松成为MySQL的代替品。

在Centos7下，使用命令安装mysql，会安装成mariadb。

在这里先介绍安装MariaDB，原因如上。

安装MariaDB

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
#安装
yum install mariadb-server mariadb

#启动
systemctl start mariadb

#进入MySQL
mysql -u root -p

#命令行变成如下，可能有点不习惯
MariaDB [(none)]>


#P.S.
#相关命令
systemctl start mariadb #启动MariaDB
systemctl stop mariadb #停止MariaDB
systemctl restart mariadb #重启MariaDB
systemctl enable mariadb #设置开机启动

正式安装MySQL

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
#下载，在这里使用的是命令行下载，也建议在图形界面下载，然后上传至服务器
wget http://dev.mysql.com/get/mysql-community-release-el7-5.noarch.rpm

#使用rpm安装
rpm -ivh mysql-community-release-el7-5.noarch.rpm

#使用yum安装mysql-community-server
yum install mysql-community-server

#启动服务
service mysqld start

#进入mysql，第一次进入无密码
mysql -u root -p

#命令行变成如下
mysql>

配置MySQL

编码配置 

1
2
3
4
5
6
7
8
9
#进入配置文件，若未安装vim，建议先使用命令yum install vim安装vim
vim /etc/my.cnf

#最后加上编码配置
[mysql]
default-character-set =utf8

#此处字符编码必须和/usr/share/mysql/charsets/Index.xml中一致。
#不过一般情况下使用的都是utf8
设置密码 
1
2
3
4
5
6
7
8
9
10
11
12
#下面三种方法需要进入mysql
mysql -u root -p

#方法一
mysql>insert into user(host,user,password) values('%','user_name',password("password");
#方法二
mysql>set password for user_name = password("password");
#方法三
mysql>grant all on *.* to user_name@% identified by "password";

#下面这一种方法可直接在shell下设置密码
mysqladmin -u root password "password"
远程连接

1
2
3
4
5
#进入mysql
mysql -u root -p

#把在所有数据库的所有表的所有权限赋值给位于所有IP地址的root用户。
mysql> grant all privileges on *.* to root@'%'identified by "password";

P.S.上文引号中的user_name表示数据库的用户名，password表示对应用户的密码。即这两项是由读者自行定义的。

常见问题及解决方案

Mysql创建用户失败

1
2
3
4
5
6
7
8
9
10
11
12
# mysql在my.ini的配置文件中设置了严格模式，所以我们需要进行修改

# 第一步，寻找配置文件
whereis my.ini

# 第二步，根据上一步结果进行vim编辑
vim /../my.ini

# 第三步，在vim里面搜索sql-mode,删除STRICT_TRANS_TABLES，保存退出即可

# 第四步，保险起见，使刚刚的配置文件立即生效
source /../my.ini

支持中文

  • Centos7

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    # 编辑文件
    vim /etc/my.cnf
    # 在对应[xx]下增加修改如下代码
    [client]
    port = 3306
    socket = /var/lib/mysql/mysql.sock
    default-character-set=utf8

    [mysqld]
    port = 3306
    socket = /var/lib/mysql/mysql.sock
    default-storage-engine=INNODB
    character-set-server=utf8
    collation-server=utf8_general_ci

    [mysql]
    no-auto-rehash
    default-character-set=utf8
    # 保存退出，重启服务
    # 重新登陆mysql检查是否成功，方法见下

  • Ubuntu16.04

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    sudo vim /etc/mysql/mysql.conf.d/mysqld.cnf
    # 在对应[xx]下增加以下内容，如果不存在[xx]自行增加
    [mysqld]
    character_set_server=utf8
    [mysql]
    default-character-set=utf8
    [mysql.server]
    default-character-set=utf8
    [mysqld_safe]
    default-character-set=utf8
    [client]
    default-character-set=utf8
    # 重启mysql
    service mysql restart
    # 进入mysql查看配置参数
    mysql -uroot -p
    # 查看database 的value变为utf8即可
    >show variables like '%character%';

    # p.s.如果之前创建了表，表编码不会改变

MySQL报错“1366 - Incorrect integer value: '' XXXXXXX' at row 1 ”

修改方法:（两种,建议第二种）

  1. 命令行。set names gbk；(此为设置通信编码)

  2. my.cnf 中查找sql-mode

将 

1
sql-mode="STRICT_TRANS_TABLES,NO_AUTO_CREATE_USER,NO_ENGINE_SUBSTITUTION"，
修改为 
1
sql-mode="NO_AUTO_CREATE_USER,NO_ENGINE_SUBSTITUTION"，
重启mysql后即可

关于my.cnf和my.ini的说明

my.cnf常见于Linux系统，my.ini常见与windows系统，二者都是属于mysql的配置文件。一般好像在一个系统下就是只出现一种配置文件，具体区别没有深入了解，修改配置文件，根据自己的系统进行查找修改配置文件即可

Mysql交互环境自动补全

1
2
3
4
5
# 修改配置文件
vim /etc/my.cnf
# 在[mysql]部分添加auto-rehash
# 保存退出，重启
service mysqld restart

配置Hive

我们之前在hadoop目录下安装了Hive，位置为/usr/local/hadoop/apache-hive-1.2.1-bin

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
#进入hive配置目录下
cd /usr/local/hadoop/apache-hive-1.2.1-bin/conf

#修改hive-default.xml.template
#首先复制
cp hive-default.xml.template hive-default.xml
#修改文件
vim hive-default.xml

# 1. 第一步将<configuration></configuration>中内容删除大概是18-3908行
# vim删除命令-->:18,3908d
# 2.将下面<configuration></configuration>中内容复制进去,分别将3306喝9083前的user_name改为当前的用户名
<configuration>
    <property>
        <name>javax.jdo.option.ConnectionURL</name>
        <value>jdbc:mysql://user_name:3306/hive?createDatabaseIfNotExist=true</value>
        <description>JDBC connect string for a JDBC metastore</description>
    </property>
    <property>
        <name>javax.jdo.option.ConnectionDriverName</name>
        <value>com.mysql.jdbc.Driver</value>
        <description>Driver class name for a JDBC metastore</description>
    </property>

    <property>
        <name>javax.jdo.option.ConnectionUserName</name>
        <value>hive<value>
        <description>username to use against metastore database</description>
    </property>
    <property>
        <name>javax.jdo.option.ConnectionPassword</name>
        <value>hive</value>
        <description>password to use against metastore database</description>
    </property>

    <property>
    <name>hive.metastore.uris</name>
    <value>thrift://user_name:9083</value>
    </property>
</configuration>

下载JDBC

1
2
3
4
5
#命令行下载,也可以使用图形界面上传文件
 wget http://cdn.mysql.com/Downloads/Connector-J/mysql-connector-java-5.1.36.tar.gz

#将文件复制进Hive的lib目录下，原因，Hive的自带的那个版本低，可能失效
 cp mysql-connector-java-5.1.33-bin.jar /usr/local/hadoop/apache-hive-1.2.1-bin/lib/

启动Hive 

1
2
3
4
5
6
7
8
9
10
11
hive --service metastore &
jps
#结果会多出一个进程

#进入hive目录
cd /usr/local/hadoop/apache-hive-1.2.1-bin/bin
#启动hive，可能有点慢
hive

#若出现hive的命令行即代表成功，如下
hive>

常见问题及解决方案

1
2
3
Logging initialized using configuration in jar:file:/home/hadoop/apache-hive-1.2.1-bin/lib/hive-common-1.2.1.jar!/hive-log4j.properties
Exception in thread "main" java.lang.RuntimeException: java.lang.RuntimeException: Unable to instantiate org.apache.hadoop.hive.ql.metadata.SessionHiveMetaStoreClient
        at org.apache.hadoop.hive.ql.session.SessionState.start(SessionState.java:522)

解决方法，直接关闭防火墙

1
2
#这里的系统为Centos7，所以使用此命令
systemctl stop firewalld

hive metastore 启动出错解决 

1
2
3
4
5
6
# 查看与hive相关进程是否启动
ps -ef | grep hive
# kill相关进程，为进程号
kill num
# 重新启动
./hive
更多问题见此文章 Hive常见问题汇总

Hive的学习笔记

新建表

1
2
-- 新建一张表，名为“test”，里面有“name”、“id”两类，分别是“string”、“int”的数据类型，以“|”隔开一列，表是作为textfile的。
hive> CREATE TABLE test (name String, id int) ROW FORMAT DELIMITED FIELDS TERMINATED BY '|' STORED AS TEXTFILE;

加载表

1
2
-- 从本地的/home/user/test.txt文件，将数据加载进test这个表
hive> LOAD DATA LOCAL INPATH '/home/user/test.txt' OVERWRITE INTO TABLE test;

关联表

1
2
3
-- 将两张表通过一个或多个字段关联在一起
-- 将test_a和test_b表的id字段关联在一起，再加上“name”字段，组成一个新表
hive> SELECT test_a.id, test_b.name FROM test_a, test_b JOIN test_b ON (test_a.id = test_b.id);

保存表

1
2
3
4
5
6
7
8
-- 由于hive下执行任务之后，并不会保存数据，所以我们使用INSERT命令来保存命令
-- 插入数据到test表中
hive> INSERT OVERWRITE TABLE test
     > ...

-- 保存表到hdfs上,保存输出结果到hdfs下的/out/目录下
hive> INSERT OVERWRITE LOCAL DIRECTORY "/out/"
    > ...

排序问题

  1. order by
1
hive> SELECT * FROM test ORDER BY id;

  1. sort by 

    1
    hive> SELECT * FROM test SORT BY id;

  2. distribute by 

    1
    hive> SELECT * FROM test ORDER BY name DISTRIBUTE BY id;

  3. DISTRIBUTE BY with SORT BY DISTRIBUTE BY 和 GROUP BY 有点类似，DISTRIBUTE BY控制reduce如何处理数据，而SORT BY控制reduce中的数据如何排序。 注意：hive要求DISTRIBUTE BY语句出现在SORT BY语句之前。

  4. Cluster By

cluster by 除了具有 distribute by 的功能外还兼具 sort by 的功能。 默认升序排序，但DISTRIBUTE BY的字段和SORT BY的字段必须相同，且不能指定排序规则。

总结：

  • ORDER BY是全局排序，但在数据量大的情况下，花费时间会很长
  • SORT BY是将reduce的单个输出进行排序，不能保证全局有序
  • DISTRIBUTE BY 可以按指定字段将数据划分到不同的reduce中
  • 当DISTRIBUTE BY 的字段和 SORT BY的字段相同时，可以用CLUSTER BY来代替DISTRIBUTE BY with SORT BY。

hive常用函数

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
# 以下无特殊说明，返回值皆为string
# 字符串连接
hive>concat(strA, strB, ...)
# 带分隔符的字符串连接，即连接之后字符串存在分隔符，strSEP表示分隔符
hive>concat_wd(strSEP, strA, strB, ...)

# 字符串截取
# 从整型数num0开始截取，截取到结尾为止
hive>substr(strA, num0)
# 从整型数num0开始截取，截取到num1为止
hive>substr(strA, num0, num1)

# 字符串转大写
hive>upper(str)
# 字符串转小写
hive>lower(str)

# 除去字符串中空格
hive>trim(str)
# 除去字符串左边空格
hive>ltrim(str)
# 除去字符串右边空格
hive>rtrim(str)

# 正则替换字符
# 将strA中符合strRE的部分替换为strB
hive>regexp_replace(strA, strRE, strB)

# 重复字符串
# str为字符串，num为重复次数
hive>repeat(str, num)

# 分割字符串
# 以strpat为分割符，返回字符串数组
hive>spilt(str, strpat)

hive导出数据

1
2
3
4
5
6
7
8
9
10
11
# 导出至本地，content表示本地目录
hive>insert overwrite local directory 'content'
    >select * from table_name;

# 导出至hdfs，content表示hdfs目录
hive>insert overwrite directory 'content'
    >select * from table_name;

# 导出至hive另一张表othertable，前提hive中存在这张表
hive>insert overwrite othertable
    >select * from table_name;

转换类型

cast(xxx as xx) 将xxx类型转换为xx类型

下表为是否可转换类型的说明

注：由于表格比较大，这里对一些比较长的字符串进行缩写，ts是timestamp的缩写,bl是boolean的缩写,sl是smallint的缩写,dm是decimal的缩写,vc是varchar的缩写,ba是binary的缩写。