第一章——hive入门教程之hello world

1. Hive简介

hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供简单的sql查询功能，可以将sql语句转换为MapReduce任务进行运行。其优点是学习成本低，可以通过类SQL语句快速实现简单的MapReduce统计，不必开发专门的MapReduce应用，十分适合数据仓库的统计分析。

2. Hive的安装

安装hive前请确保已经安装好hadoop集群，通常使用mysql作为hive的元数据库，所以需要安装mysql。
我的hadoop集群是用3台虚拟机搭建的，分别是：

master1.hadoop
slave2.hadoop
slave3.hadoop

hive只需要在hadoop集群的一台节点上面安装即可。安装步骤通常有以下几步：
1 下载hive到本地
我的hadoop版本是2.7.2的，这里选择了hive 2.x版本。国内阿里的镜像速度比较快，可以选择这个版本(我用的版本是hive-2.1.0)，地址，下载到本地后并解压。

2 复制hive-site.xml

进入hive-2.1.0\conf目录
修改hive-default.xml.template为hive-site.xml，这个文件是hive的核心配置文件；
修改hive-env.sh.template为hive-env.sh；
修改hive-log4j2.properties.template为hive-log4j2.properties；
修改hive-exec-log4j2.properties.template为hive-exec-log4j2.properties；

3 配置hive-site.xml
1). 修改javax.jdo.option.ConnectionURL为你自己的mysql连接，可以在本节点安装mysql，也可以访问其它可访问的mysql；

<property>
    <name>javax.jdo.option.ConnectionURL</name>
    <value>jdbc:mysql://master1.hadoop:3306/hive?createDatabaseIfNotExist=true</value>
    <description>
      JDBC connect string for a JDBC metastore.
      To use SSL to encrypt/authenticate the connection, provide database-specific SSL flag in the connection URL.
      For example, jdbc:postgresql://myhost/db?ssl=true for postgres database.
    </description>
</property>

注意：这里在master1.hadoop上面安装了一个mysql，你可以使用你的本地mysql，只需把主机ip信息换一下即可。
2). 修改javax.jdo.option.ConnectionDriverName为mysql的连接驱动

<property>
    <name>javax.jdo.option.ConnectionDriverName</name>
    <value>com.mysql.jdbc.Driver</value>
    <description>Driver class name for a JDBC metastore</description>
</property>

3). 修改javax.jdo.option.ConnectionUserName为mysql的用户名root

<property>
    <name>javax.jdo.option.ConnectionUserName</name>
    <value>root</value>
    <description>Username to use against metastore database</description>
</property>

4). 修改javax.jdo.option.ConnectionPassword为mysql的密码:root

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

5). 修改hive.exec.local.scratchdir为指定临时路径

<property>
    <name>hive.exec.local.scratchdir</name>
    <value>/tmp/hive</value>
    <description>Local scratch space for Hive jobs</description>
</property>

6). 修改hive.downloaded.resources.dir为指定临时路径

<property>
    <name>hive.downloaded.resources.dir</name>
    <value>/tmp/hive/resources</value>
    <description>Temporary local directory for added resources in the remote file system.</description>
</property>

7). 修改hive.querylog.location为指定临时路径

<property>
    <name>hive.querylog.location</name>
    <value>/tmp/hive</value>
    <description>Location of Hive run time structured log file</description>
</property>

8). 修改hive.server2.logging.operation.log.location为指定临时路径

<property>
    <name>hive.server2.logging.operation.log.location</name>
    <value>/tmp/hive/operation_logs</value>
    <description>Top level directory where operation logs are stored if logging functionality is enabled</description>
</property>

4 配置hive-env.sh
编辑文件vim hive-env.sh，主要配置以下几个值：

HADOOP_HOME=/home/hadoop/hadoop-2.7.2
export HIVE_CONF_DIR=/home/hadoop/hive-2.1.0/conf
export JAVA_HOME=/home/hadoop/jdk1.8.0_73
export HIVE_HOME=/home/hadoop/hive-2.1.0

5 启动hive
1). 保证有执行权限

chmod 777 /home/hadoop/hive-2.1.0/bin/*
chmod 777 /home/hadoop/hive-2.1.0/lib/*

2). 添加环境变量（root用户下）
打开/etc/profile，添加如下内容

...
其它环境变量，省略...
...
export HIVE_HOME=/home/hadoop/hive-2.1.0
export PATH=HIVE_HOME/bin:PATH

3). 创建hdfs文件夹

启动hdfs；
在hdfs系统中，创建/tmp和/user/hive/warehouse两个文件夹
```
hdfs dfs -mkdir /tmp
hdfs dfs -mkdir -p /user/hive/warehouse
```
Bash

递归创建hdfs目录用-p参数。
4). 初始化hive
运行命令：schematool -dbType mysql -initSchema

查看mysql，发现hive库和表都已建好

5). 如果前面步骤配置的没有问题，命令行输入hive命令即可。

hive> show databases;
OK
default
Time taken: 2.184 seconds, Fetched: 1 row(s)

作者：柯广的网络日志

微信公众号：Java大数据与数据仓库