Hive_初步见解,安装部署与测试

一、hive是什么东东

1. 个人理解
     hive就是一个基于hdfs运行于MapReduce上的一个java项目,
     这个项目封装了jdbc,根据hdfs编写了处理数据库的DDL/DML,自带的
     二进制包内嵌Derby数据库,且默认使用Derby,简而言之,hive就是一个
     帮助我们处理/分析数据的工具,不过这个工具却像namenode一样存储了
     一份文件的元数据,这就有点像数据仓库的感觉
2. 架构
     分为服务端、客户端，基于hadoop,运行在mapreduce,存储于hfds,
     可与hbase结合使用,其中使用hql(hive sql)查询接口
3. 作用
     将结构化得文件映射成表内容,并提供类sql查询功能
     适合离线海量数据处理,简化mapreduce

二、hive的好处在哪,为什么要用它

简单易用,体现在类sql上,通常mapreduce的开发冗余繁琐,使用hive可以进行调优和提升开发效率,降低MapReduce学习成本,
另外hive的函数是可以自定义的,这样hive具备相应扩展型,存储在hadoop的文件系统上可以共享存储区域,
hdfs的集群扩展性也成为hive存储的扩展性,hive本身跑在mapreudce上,所以其优势在于离线处理海量数据,
对于小数据来讲并没有太大优势,因为处理数据时执行延迟较高,对于小数据量实时处理不推荐使用hive
hive本身跑在mapreudce上,所以其优势在于离线处理海量数据,对于小数据来讲并没有太大优势,
因为处理数据时执行延迟较高,对于小数据量实时处理不推荐使用hive
hive初始使用derby数据库,而derby数据库只能启动一个实例,但注意不同路径下启动hive是可以的

三、hive的处理类SQL做了什么操作

在client端下,类sql语句抽象化,从中判断是否有表,字段等信息,交于编译器转换成逻辑执行语句,
交于优化器进行优化,再交于执行器,形成可执行的物理计划,基于mapreduce底层实施mapreduce任务,
实际上hive就是实现mapreduce任务的一个模板

四、hive安装部署

1. 下载hive,选择合适的版本
   地址:http://archive.apache.org/dist/hive/
2. 上传使用工具(filezilla.exe)或linux的rz命令
   上传工具很多:filezilla,FlashFXP,Xftp,vmware-tools,notepad++...
   可能会有文件夹权限问题,需要检查一下
3. 根据官网doc步骤
   地址:https://cwiki.apache.org/confluence/display/Hive/GettingStarted
   上传之后:
        $ tar -xzvf hive-x.y.z.tar.gz
        # 转到hadoop目录下
        $ bin/hdfs dfs -mkdir   /tmp
        $ bin/hdfs dfs -mkdir   /user/hive/warehouse
        $ bin/hdfs dfs -chmod g+w  /tmp
        $ bin/hdfs dfs -chmod g+w   /user/hive/warehouse

五、启动hive测试(注意hadoop架构要提前运行)

# 转到hive目录下
$ bin/hive
$ show databases;
$ show tables;
$ show functions;
$ create database if not exists schooldb;
$ use schooldb;
$ create table if not exists student(
  num int,
  name string
  )raw format delimited fields terminated by ‘\‘;
$ load data local inpath ‘/home/liuwl/opt/datas/studen.txt‘ into table student;