大数据之脚踏实地学09-Hive嵌入式安装

还没关注？

快动动手指！

前言

经过前面几期内容的介绍，相信大家已经把Hadoop的环境搭建好了吧。正如前几期所说，Hadoop的搭建实际上最核心的就是HDFS（文件存储系统）、Map-Reduce（运算系统）和Yarn（资源调配系统）三个组间。

接下来我们将在Hadoop集群的基础上，搭建其他的应用App（如本期所介绍的Hive工具，它的功能是帮助我们使用SQL语句快速完成数据的查询）。Hive框架如下图所示：

读者可以将Hive理解为中转站，一头连接关系型数据库（如自带的Derby数据库或常用的MySQL数据库），如图中的Metastore，它是用来存储数据的元信息（如表名称、字段名称、字段类型、索引信息等）；另一头连接数据的实际存储源，如图中的HDFS。当用户从客户端（如图中的CLI或JDBC）发送一条SQL语句时，会经过包含4个组间的驱动器，分别用于SQL解析（如检查语法是否正确，查询的字段是否包含在元信息中等）、SQL编译（将SQL语法编译成MapReduce认识的语言，即Java语言）、SQL优化和最终的执行（即把优化好的语法通过执行器扔给MapReduce进行数据的运算和抓取）。

在了解了Hive框架后，我们开始在Linux系统中安装Hive工具吧，操作步骤见下文。

解压Hive

首先从Apache网站（http://archive.apache.org/dist/）下载一个稳定版的Hive（如本文使用的是稳定版Hive2.3.4），然后将该软件通过Xftp上传至master机器中，最后要做的就是解压tar.gz软件。

查看上传后的文件

解压tar.gz文件，并重命名为hive

配置Hive

解压完Hive工具后，还需要做几件事情，一个是配置环境变量，这样可以确保在任何一个目录下都可以启动Hive；另一个是修改Hive的配置文件hive-site.xml，这样可以确保Hive的正常工作。

配置Hive的环境变量

vim /etc/profile

配置hive-site.xml文件

进入到hive的配置目录，发现并没有hive-site.xml文件，但有一个template文件，我们只需要将其复制一份，副本的名称改为hive-site.xml即可。

配置Hive是一件非常头疼的事，在hive-site.xml文件中必须有三处内容需要修改，否则会各种报错。具体操作如下：

修改hive.metastore.schema.verification，将对应的值设置为false，即阻止hive校验HDFS、Map-Reduce和Yarn的版本；

创建一个tmp目录（如/opt/SoftWare/hive/tmp），替换配置文件中的$内容；

替换$为root（根据实际的登录用户，假设root用户登录就换为root）；

【个人建议】你可以将Linux系统中的hive-site.xml文件下载到本地主机，然后在本地修改会比较方便哦。修改好后再重新上传至hive的配置目录中。

启动Hive

启动Hive之前需要启动dfs和yarn，因为Hive就是在Hadoop集群之上运行的（具体可以查看Hive框架图），启动命令如下：

start-dfs.sh

start-yarn.sh

由于Hive自带了Derby数据库用于存储数据的元信息，故需要在Hive的目录内初始化Durby数据库，用于启动Hive之后原数据的存储。初始化代码如下：

schematool -initSchema -dbType derby

此时，你会发现在Hive目录内会多一个metastore_db目录，紧接着我们就可以启动Hive了，启动过程很简单，直接在Hive目录下输入hive命令即可（千万不能切换目录哦，因为初始化的metastore_db目录在Hive目录内）。

成功启动后会出现"hive>"提示符，这里输入了show databases;语句，用于查询derby包含的数据库名称（仅显示default一个数据库）。接下来我们创建一张表，并把root家目录下的200M+的文件导入到Hive中（数据来源于Kaggle网站，是关于美国911电话呼叫的记录，总计约280万数据）。

建表语法

导入数据并查询数据

运行过程如下：

如上图所示，在数据查询过程中能够清晰地看见map和reduce的过程，在经过174秒后，查询出满足条件的307,680条数据（如果你的电脑配置比较高，查询速度会更快哦）。

结语

本期的内容就介绍到这里，下一期我们将介绍Hive的独立式安装，即使用MySQL数据库作为数据元信息的存储（这种场景在实际的应用中最常见）。如果你有任何问题，欢迎在公众号的留言区域表达你的疑问。同时，也欢迎各位朋友继续转发与分享文中的内容，让更多的人学习和进步。

每天进步一点点：数据分析1480