02_Hive安装简介

1.下载Hive安装包：

　　官网下载：http://hive.apache.org/downloads.html

　　百度云分享：https://pan.baidu.com/s/1M4LmdOXaq6T-PqkyvpFHQw

2.上传Hive的tar包，并解压：

　　解压：tar -zxvf apache-hive-1.2.1-bin.tar.gz -C /usr/local/src/

　　修改解压后的文件名称：mv apache-hive-1.2.1-bin hive-1.2.1

3.安装MySql：

　　MySQL用于存储Hive的元数据，不建议使用Hive自带Derby作为Hive的元数据库，因为它的数据文件默认保存在运行

目录下面，下次换一个目录启动就看不见之前的数据了

4.修改配置文件：主要是配置metastore（元数据存储）存储方式

　　4.1. vi /usr/local/src/hive-1.2.1/conf/hive-site.xml（存储方式：内嵌Derby方式、本地mysql、远端mysql）

　　4.2 粘贴如下内容：

<configuration>
    <property>
        <name>javax.jdo.option.ConnectionURL</name>
        <value>jdbc:mysql://localhost: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>root</value>
        <description>username to use against metastore database</description>
    </property>

    <property>
        <name>javax.jdo.option.ConnectionPassword</name>
        <value>root</value>    //mysql密码不正确, 查看hive-site.xml配置与mysql的密码是否一致
        <description>password to use against metastore database</description>
    </property>
</configuration>

 5.拷贝jar包：

　　拷贝mysql驱动jar包到Hive的lib目录下面去，下载路径：https://pan.baidu.com/s/1azWOAdloQR6Y_Ov9cREdGw

6.启动Hive：启动诸多问题参考：http://www.cnblogs.com/qifengle-2446/p/6424426.html

　　启动Hive之前需要先把Hadoop集群启动起来。然后使用下面的命令来启动Hive：

　　启动命令：/usr/local/src/hive-1.2.1/bin/hive

　　出现如下表示启动成功：

　　

　　验证Hive运行正常：启动Hive以后输入下面的命令：

　　

　　输出为：

　　

　  创建数据库,输出结果如下：数据库的数据文件被存放在HDFS的/user/hive/warehouse/test_db.db下面　　

　　

　　创建表：表的数据文件被存放在HDFS的/user/hive/warehouse/test_db.db/t_test下面

　　

　　插入数据

　　准备下面的数据文件，sz.data，文件内容如下：　

1,张三
2,李四
3,风凌
4,三少
5,月关
6,abc

 　 上传到HDFS上：hadoop fs -put sz.data /user/hive/warehouse/test_db.db/t_test/sz.data

　　然后使用下面的语句尝试进行一下查询：

　　

　　输出的结果如下：

　　　

　　数据没有被成功识别，这是因为没有指定数据的分隔符。使用下面的命令清空表数据：

　　

　　

count查询：select count(1) from t_test;

能看到下面的运行提示：

Query ID = root_20170325234306_1aaf3dcf-e758-4bbd-9ae5-e649190d8417
Total jobs = 1
Launching Job 1 out of 1
Number of reduce tasks determined at compile time: 1
In order to change the average load for a reducer (in bytes):
  set hive.exec.reducers.bytes.per.reducer=<number>
In order to limit the maximum number of reducers:
  set hive.exec.reducers.max=<number>
In order to set a constant number of reducers:
  set mapreduce.job.reduces=<number>
Starting Job = job_1490454340487_0001, Tracking URL = http://amaster:8088/proxy/application_1490454340487_0001/
Kill Command = /root/apps/hadoop-2.7.3/bin/hadoop job  -kill job_1490454340487_0001
Hadoop job information for Stage-1: number of mappers: 1; number of reducers: 1
2017-03-25 23:43:23,084 Stage-1 map = 0%,  reduce = 0%
2017-03-25 23:43:36,869 Stage-1 map = 100%,  reduce = 0%, Cumulative CPU 1.71 sec
2017-03-25 23:43:48,392 Stage-1 map = 100%,  reduce = 100%, Cumulative CPU 3.4 sec
MapReduce Total cumulative CPU time: 3 seconds 400 msec
Ended Job = job_1490454340487_0001
MapReduce Jobs Launched: 
Stage-Stage-1: Map: 1  Reduce: 1   Cumulative CPU: 3.4 sec   HDFS Read: 6526 HDFS Write: 2 SUCCESS
Total MapReduce CPU Time Spent: 3 seconds 400 msec

 发现Hive的速度确实很慢，不适合用于在线业务支撑,同时，在YARN集群里面也可以看到任务信息

输出结果如下：

Hive的元数据

　　接下来，我们来看一下在MySQL里面保存的Hive元数据

　　

　　可以看到有很多表。其中DBS表记录了数据库的记录：