Hive基本概念
1.1 Hive简介
1.1.1 什么是Hive
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，并提供类SQL查询功能。
1.1.2 为什么使用Hive
- 缺点
- 直接使用hadoop所面临的问题
- 人员学习成本太高
- 项目周期要求太短
- MapReduce实现复杂查询逻辑开发难度太大
- 优点
- 操作接口采用类SQL语法，提供快速开发的能力。
- 避免了去写MapReduce，减少开发人员的学习成本。
- 扩展功能很方便。
1.1.3 Hive的特点
- 可扩展
- Hive可以自由的扩展集群的规模，一般情况下不需要重启服务。
- 延展性
- Hive支持用户自定义函数，用户可以根据自己的需求来实现自己的函数。
- 容错
- 良好的容错性，节点出现问题SQL仍可完成执行。
1.2 Hive架构
1.2.1 架构图
Jobtracker是hadoop1.x中的组件，它的功能相当于： Resourcemanager+AppMaster
TaskTracker 相当于： Nodemanager + yarnchild
1.2.2 基本组成
1.2.3 各组件的基本功能
- 用户接口：包括 CLI、JDBC/ODBC、WebGUI。
- 元数据存储：通常是存储在关系数据库如 mysql , derby中。
- 解释器、编译器、优化器、执行器。
- 用户接口主要由三个：CLI、JDBC/ODBC和WebGUI。其中，CLI为shell命令行；JDBC/ODBC是Hive的JAVA实现，与传统数据库JDBC类似；WebGUI是通过浏览器访问Hive。
- 元数据存储：Hive 将元数据存储在数据库中。Hive 中的元数据包括表的名字，表的列和分区及其属性，表的属性（是否为外部表等），表的数据所在目录等。
- 解释器、编译器、优化器完成 HQL 查询语句从词法分析、语法分析、编译、优化以及查询计划的生成。生成的查询计划存储在 HDFS 中，并在随后有 MapReduce 调用执行。
1.3 Hive与Hadoop的关系
1. 如何理解Hive
（1）从概念上来看
-> Hive是基于Hadoop的一个数据仓库工具；它是MapReduce的一个封装，底层就是MapReduce程序；
-> Hive可以将结构化的数据文件（eg：按照各字段分类的数据）映射成一张虚表，并提供类SQL查询功能；
-> 有了Hive后我们就不用再写麻烦的MapReduce程序了。
（2）从本质上来看
Hive就是把sql语句转化为MapReduce程序。
Hive没有服务端，它本质是Hadoop或者说是HDFS的一个客户端，对HDFS的数据和Meta store的元数据进行操作；
通常我们启动Hive是通过JDBC客户端操作的；
ps：对比hadoop中，通过命令start-dfs.sh启动HDFS服务端，然后通过hadoop fs -命令来启动HDFS客户端进行实际操作；
服务端是提供后台服务的，客户端是进行具体操作然后让服务端提供对应服务的。
2. Hive中SQL-MapReduce原理图解
（1）事先将常用的SQL操作封装成MapReduce模板存放在Hive中；
（2）client依据实际需求写SQL语句，匹配对应的MapReduce模板，然后运行对应的MapReduce程序，
（3）生成相应的分析结果，返回给client。
所以说，Hive的本质是把SQL语句转化成了MapReduce程序。
3. 为什么说Hive是基于Hadoop的呢？
（1）Hive处理的数据实际存放在HDFS中，默认路径/user/hive/warehouse；
（2）Hive分析数据的底层实现还是MapReduce程序；
（3）Hive调度资源时，用的是Yarn框架；
（4）在服务器中运行Hive之前需要群起HDFS和YARN。
总结：hive具有sql数据库的外表，但应用场景完全不同，hive只适合用来做批量数据统计分析
1.4 Hive的数据存储
1、Hive中所有的数据都存储在 HDFS 中，没有专门的数据存储格式（可支持Text，SequenceFile，ParquetFile，RCFILE等）
2、只需要在创建表的时候告诉 Hive 数据中的列分隔符和行分隔符，Hive 就可以解析数据。
3、Hive 中包含以下数据模型：DB、Table，External Table，Partition，Bucket。
- db：在hdfs中表现为${hive.metastore.warehouse.dir}目录下一个文件夹
- table：在hdfs中表现所属db目录下一个文件夹
- external table：与table类似，不过其数据存放位置可以在任意指定路径
- partition：在hdfs中表现为table目录下的子目录
- bucket：在hdfs中表现为同一个表目录下根据hash散列之后的多个文件
1.5 HIVE的安装部署
1.6.1 安装 - 单机版：
- 元数据库mysql版：
1.6.2 使用方式
- Hive交互shell
- bin/hive
- Hive thrift服务
启动方式，（假如是在hadoop01上）：
启动为前台：bin/hiveserver2
启动为后台：nohup bin/hiveserver2 1>/var/log/hiveserver.log 2>/var/log/hiveserver.err &
启动成功后，可以在别的节点上用beeline去连接
- 方式（1）
hive/bin/beeline 回车，进入beeline的命令界面
输入命令连接hiveserver2beeline> !connect jdbc:hive2//master:10000
（hadoop01是hiveserver2所启动的那台主机名，端口默认是10000） - 方式(2)
或者启动就连接：bin/beeline -u jdbc:hive2://master:10000 -n root
