【数据仓库与联机分析处理】数据仓库工具Hive

    Hive是基于Hadoop的一个**数据仓库工具**，用来进行数据提取、转化、加载，这是一种可以存储、查询和分析存储在Hadoop中的大规模数据的机制。Hive数据仓库工具能将结构化的数据文件映射为一张数据库表，并提供SQL查询功能，能将SQL语句转变成MapReduce任务来执行。Hive的优点是学习成本低，可以通过类似SQL语句实现快速MapReduce统计，使MapReduce变得更加简单，而不必开发专门的MapReduce应用程序。Hive十分适合对数据仓库进行统计分析。

    Hive 通过给用户提供的一系列交互接口，接收到用户的指令(SQL)，使用自己的 Driver，结合元数据（MetaStore），将这些指令翻译成 MapReduce，提交到 Hadoop 中执行，最后，将执行返回的结果输出到用户交互接口。 

    由于 Hive 采用了类似 SQL 的查询语言 HQL(Hive Query Language)，因此很容易将 Hive 理解为数据库。其实从结构上来看，Hive 和数据库除了拥有类似的查询语言，再无类似之处。将从多个方面来阐述 Hive 和数据库的差异。数据库可以用在 Online 的应用中，但是 Hive 是为数据仓库而设计的，清楚这一点，有助于从应用角度理解 Hive 的特性。

     由于 SQL 被广泛的应用在数据仓库中，因此，专门针对 Hive 的特性设计了类 SQL 的查询语言 HQL。熟悉 SQL 开发的开发者可以很方便的使用 Hive 进行开发。

     Hive 是建立在 Hadoop 之上的，所有 Hive 的数据都是存储在 HDFS 中的。而数据库则可以将数据保存在块设备或者本地文件系统中。

     由于 Hive 是针对数据仓库应用设计的，而数据仓库的内容是读多写少的。因此，Hive中不建议对数据的改写，所有的数据都是在加载的时候确定好的。而数据库中的数据通常是需要经常进行修改的，因此可以使用 INSERT INTO … VALUES 添加数据 ， 使用 UPDATE … SET 修改数据。

     Hive 中大多数查询的执行是通过 Hadoop 提供的 MapReduce 来实现的。而数据库通常有自己的执行引擎。

     Hive 在查询数据的时候，由于没有索引，需要扫描整个表，因此延迟较高。另外一个导致 Hive 执行延迟高的因素是 MapReduce 框架。由于 MapReduce 本身具有较高的延迟，因此在利用 MapReduce 执行 Hive 查询时，也会有较高的延迟。相对的，数据库的执行延迟较低。当然，这个低是有条件的，即数据规模较小，当数据规模大到超过数据库的处理能力的时候，Hive 的并行计算显然能体现出优势。

     由于 Hive 是建立在 Hadoop 之上的，因此 Hive 的可扩展性是和 Hadoop 的可扩展性是一致的（世界上最大的 Hadoop 集群在 Yahoo!，2009 年的规模在 4000 台节点左右）。而数据库由于 ACID 语义的严格限制，扩展行非常有限。目前最先进的并行数据库 Oracle 在理论上的扩展能力也只有 100 台左右。

     由于 Hive 建立在集群上并可以利用 MapReduce 进行并行计算，因此可以支持很大规模的数据；对应的，数据库可以支持的数据规模较小。

[root@bigdata zhc]# cd /usr/local/uploads
[root@bigdata uploads]# tar -zxvf apache-hive-3.1.3-bin.tar.gz -C /usr/local
[root@bigdata uploads]# cd /usr/local
[root@bigdata local]# mv apache-hive-3.1.3-bin hive

[root@bigdata local]# vi /etc/profile

export HIVE_HOME=/usr/local/hive
export PATH=$PATH:$HIVE_HOME/bin

[root@bigdata local]# source /etc/profile

[root@bigdata local]# cd /usr/local/hive/conf
[root@bigdata conf]# cp hive-env.sh.template hive-env.sh

export JAVA_HOME=/usr/local/servers/jdk
export HADOOP_HOME=/usr/local/servers/hadoop
export HIVE_HOME=/usr/local/hive

hive> show databases;
hive> use default;
hive> show tables;
hive> create table student(id int, name string);
hive> show tables;
hive> desc student;

hive> insert into student values(1000,"ss");

[root@bigdata zhc]# hdfs dfs -ls /user/hive/warehouse/student/

hive> select * from student;

hive> dfs -ls /;

[root@bigdata zhc]# cd /home/zhc/mycode/
[root@bigdata mycode]# mkdir hive
[root@bigdata mycode]# cd hive
[root@bigdata hive]# vi student.txt

hive> drop table if exists student;
hive> CREATE TABLE student(id int, name string) ROW FORMAT DELIMITED FIELDS TERMINATED BY ' ' LINES TERMINATED BY '\n' STORED AS TEXTFILE;
hive> load data local inpath '/home/zhc/mycode/hive/student.txt' into table student;
hive> select * from student;

[root@bigdata conf]# vi hive-site.xml

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
  <property>
    <name>javax.jdo.option.ConnectionURL</name>
    <value>jdbc:mysql://192.168.191.200:3306/hive?createDatabaseIfNotExist=true&amp;useSSL=false</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>MYsql123!</value>
    <description>password to use against metastore database</description>
  </property>
</configuration>

[root@bigdata conf]# cd /usr/local/uploads
[root@bigdata uploads]# cp mysql-connector-java-5.1.40-bin.jar /usr/local/hive/lib

[root@bigdata conf]# schematool -initSchema -dbType mysql

/usr/local/hive/lib/guava-19.0.jar
/usr/local/servers/hadoop/share/hadoop/common/lib/guava-27.0-jre.jar

[root@bigdata lib]# cd /usr/local/hive/lib
[root@bigdata lib]# rm -f guava-19.0.jar
[root@bigdata lib]# cp /usr/local/servers/hadoop/share/hadoop/common/lib/guava-27.0-jre.jar .

mysql> grant all privileges on *.* to root@"%" identified by "MYsql123!";

[root@bigdata zhc]# start-all.sh
[root@bigdata zhc]# systemctl start mysqld.service
[root@bigdata zhc]# systemctl status mysqld.service

[root@bigdata zhc]# cd /usr/local/hive
[root@bigdata hive]# bin/hive

[root@bigdata zhc]# mysql -u root -p

mysql> show databases;

mysql> use hive;
mysql> show tables;