Hive原理及Hive的搭建与部署

一、Hive的原理

    1）Hive简介
     hive是基于Hadoop的一个数据仓库工具，底层封装得的是HDFS和MapReduce可以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，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。其本质还是在HDFS上执行MapReduce，虽然简化了操作，但是执行效率会相对减弱。
     Hive数据仓库中包含着解释器、编译器、优化器等，这些是其独有的部分，用于将sql语句变成MapReduce去执行，后续的工作就自动交给了Hadoop、Yarn和MapReduce，Hive在运行时，实际的源数据存在与HFDS上，而描述数据的元数据存放在关系型数据库中。
      补充点： ① Hive数据仓库完成解析SQL、优化SQL、策略选择、模型消耗；客户端将sql语句交给Hive，Hive负责值使相对应的MapReduce执行。
                     ②存在于关系型数据库中的元数据包含着行的分隔符、字段的分隔符、字段的类型、字段的名称等信息。
    2)Hive的架构
（1）用户接口主要有三个：CLI，Client 和 WUI。
        其中最常用的是CLI，Cli启动的时候，会同时启动一个Hive副本。Client是Hive的客户端，用户连接至Hive Server。在启动 Client模式的时候，需要指出Hive Server所在节点，并且在该节点启动Hive Server。 WUI是通过浏览器访问Hive。
（2）Hive将元数据存储在数据库中，如mysql、derby。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。
（3）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。
（4）Hive的数据存储在HDFS中，大部分的查询、计算由MapReduce完成（包含*的查询，比如select * from tbl不会生成MapRedcue任务）。
在这里插入图片描述
    3）Hive的搭建

hive三种方式区别和搭建
按照Hive中metastore（元数据存储）不同位置分为三种方式：
 a)内嵌Derby方式
 b)Local方式
 c)Remote方式

a）内嵌Derby方式
此方式是将元数据存在本地的Derby数据库，一般用于单元测试。
步骤：
①首先将Hive的压缩包在指定的位置解压，并修改内部的hive-site.xml(需要自己创建或修改模板的xml) 在这里插入图片描述

<configuration>  
  
<property>  
  <name>javax.jdo.option.ConnectionURL</name>  
  <value>jdbc:derby:;databaseName=metastore_db;create=true</value>  
</property>  
   
<property>  
  <name>javax.jdo.option.ConnectionDriverName</name>  
  <value>org.apache.derby.jdbc.EmbeddedDriver</value>  
</property>  
   
<property>  
  <name>hive.metastore.local</name>  
  <value>true</value>  
</property>  
   
<property>  
  <name>hive.metastore.warehouse.dir</name>  
  <value>/user/hive/warehouse</value>  
</property>  

</configuration>

②在Hive的bin目录下输入 ./hive 启动hive
启动成功

缺点：使用derby存储方式时，运行hive会在当前目录生成一个derby文件和一个metastore_db目录。
这种存储方式的弊端是在同一个目录下同时只能有一个hive客户端能使用数据库，否则会出错误

注意点： ①搭建Hive之前要先将HDFS、Yarn以及MapRedecu的进程启动好，因为Hive的实习是在上述环境中进行的。
②要注意Hadoop下的Yarn下lib中的jline这个jar包于Hive中的版本相统一，不然会出错。
在这里插入图片描述

b)Local方式
       这种存储方式需要在本地运行一个mysql服务器,一般运行在client中
     ①需要将mysql的jar包拷贝到Hive所在目录的lib目录下
在这里插入图片描述
     ②安装mysql yum install mysql-server -y
           安装成功后需启动mysql服务 service mysql start ，启动完成后输入mysql进入mysql的操作窗口进行权限的修改修改mysql权限：

GRANT ALL PRIVILEGES ON *.* TO 'root'@'%' IDENTIFIED BY '123' WITH GRANT OPTION;
flush privileges;

删除多余会对权限造成影响的数据
刷新权限

添加用户：
CREATE USER 'hive'@'%' IDENTIFIED BY '123';
授权用户：
grant all privileges on hive_meta.* to hive@"%" identified by '123';
flush privileges;

删除多余的权限
在这里插入图片描述
权限修改完毕后设置开机启动

chkconfig mysqld on

注意一个坑：
权限，虽然hive用户对hive_meta数据库是由操作权限的，但是这个数据库如果不存在，hive用户也是没有权限创建这个数据库，所以需要提前创建好hive_remote数据库;除此之外还要把证jline的jar包在yarn和hive中的版本要统一。

③修改配置文件hive-site.xml

 <configuration>  
<property>  
  <name>hive.metastore.warehouse.dir</name>  
  <value>/user/hive_remote/warehouse</value>  
</property>  
   
<property>  
  <name>hive.metastore.local</name>  
  <value>true</value>  
</property>  
   
<property>  
  <name>javax.jdo.option.ConnectionURL</name>  
  <value>jdbc:mysql://localhost/hive_meta?createDatabaseIfNotExist=true</value>  
</property>  
   
<property>  
  <name>javax.jdo.option.ConnectionDriverName</name>  
  <value>com.mysql.jdbc.Driver</value>  
</property>  
   
<property>  
  <name>javax.jdo.option.ConnectionUserName</name>  
  <value>hive</value>  
</property>  
   
<property>  
  <name>javax.jdo.option.ConnectionPassword</name>  
  <value>password</value>  
</property>  
</configuration>

④去hive目录下的bin目录使用 ./hive命令启动hive

c)Remote方式
    这种方式是基于存放元数据的数据库为mysql类型的方式上实现的，进一步实现了在多个节点上操作同一个hive数据库，实现远程连接，常用的一种方式。
          ①基于上一种方式，client节点上的配置不需要动，只需更改想要远程连接的节点上的配置文件；在客户端启动远程连接服务 hive --service metastore 即可。
后台启动：
在这里插入图片描述
          ②在远程连接的节点上解压Hive压缩包，修改hive-site.xml

<configuration>  
<property>  
  <name>hive.metastore.warehouse.dir</name>  
  <value>/user/hive/warehouse</value>  
</property>  
   
<property>  
  <name>hive.metastore.local</name>  
  <value>false</value>  
</property>  
  
<property>  
  <name>hive.metastore.uris</name>  
  <value>thrift://提供服务的节点的IP:9083</value>  
</property>  
  
</configuration>

③在Hive目录下的bin目录启动 ./hive 启动远程连接的hive操作。
注意点要想实现远程连接首先要保证网络的通信通畅，需要关闭客户端防火墙，否则会出现错误：java.net.NoRouteToHostException: No route to host (Host unreachable)

二、Hive的连接方式

由于之前的操作方式是直接对Hive进行操作，通过Hive命令不需要验证即可进入客户端通过Hive进行数据分析及操作，存在安全的问题且不规范。在此问题上我们出现了安全的Hive连接方式：beeline、jdbc;Hive的连接是通过thriftServer这个通信服务进行连接的，整个过程不需要使用metaStore这个服务；登录所用的用户名、密码是通过编程获得的

          a) beeline

1》配置的步骤
    ①首先在客户端修改Hive中的hive-site.xml（哪一个节点被连接就修改哪一个节点的配置信息，其余节点不用修改）,添加如下的配置信息：

        <property>
                <name>hive.server2.authentication</name>
                <value>CUSTOM</value>
        </property>

        <property>
                <name>hive.jdbc_passwd.auth.zhangsan</name>   //设置 用户名 密码
                <value>123456789</value>
        </property>
        <property>
                <name>hive.server2.custom.authentication.class</name>  //自定义类，代码实现验证用户信息
                <value>com.hoe.hive.authoriz.UserPasswdAuth</value>
        </property>

2》自定义类实现
注意实现自定类的功能需要导入依赖包（hive目录下的lib中的jar包都可导入）；编写完成后将类导成jar包，放到客户端hive目录下lib下即可实现

   public class UserPasswdAuth implements PasswdAuthenticationProvider {
    	Logger logger = LoggerFactory.getLogger(UserPasswdAuth.class);
    
    	private static final String USER_PASSWD_AUTH_PREFIX = "hive.jdbc_passwd.auth.%s";
    
    	private Configuration conf = null;
    
    	@Override
    	public void Authenticate(String userName, String passwd) throws AuthenticationException {
    		logger.info("user: " + userName + " try login.");
    		String passwdConf = getConf().get(String.format(USER_PASSWD_AUTH_PREFIX, userName));
    		if (passwdConf == null) {
    			String message = "沒有發現密碼 " + userName;
    			logger.info(message);
    			throw new AuthenticationException(message);
    		}
    		if (!passwd.equals(passwdConf)) {
    			String message = "用戶名密碼不匹配 " + userName;
    			throw new AuthenticationException(message);
    		}
    	}
    
    	public Configuration getConf() {
    		if (conf == null) {
    			this.conf = new Configuration(new HiveConf());
    		}
    		return conf;
    	}
    
    	public void setConf(Configuration conf) {
    		this.conf = conf;
    	}
    }

3》启动beeline
        进入Hive目录下的bin目录，使用命令 ./hiveserver2 ，在客户端启动thriftServer这个服务。
4》其他节点进行连接
        进入其他节点，不需要更改配置文件，进入Hive目录下的bin目录，使用 ./beeline 命令启动连接，进入连接状态后输入命令：
./beeline -u jdbc:hive2://客户端节点的IP:10000/test -n zhangsan -p123456789
输入账户密码正确后可以进入test数据库。
在这里插入图片描述
注意： ①如何设置多个用户名、密码？可以通过在hive-site.xml配置文件中设置多个配置信息，在代码中全部读过来，在加入具体的判定条件。
             ②在其他节点操作时要注意权限问题，因为使用账号、密码登录的用户属于其他组的成员。
            ③当进行连接的操作时，是对客户端本地的数据进行操作，因为在其他节点写的 sql语句会通过thriftServer这个服务传给客户端（被连接节点），在客户端（被连接节点）上执行。

          b) jdbc
        通过jdbc这种连接方式仍需要连接客户端的thriftServer服务，其具体的实现只需要自定义类，不需修改配置文件。
        因为通过JDBC链接hive 也是链接hiveserver2服务，链接成功才能操作hive
所以JDBC链接的时候也是需要用户名密码的。

public class ConnectHive {

	public static String driverName = "org.apache.hive.jdbc.HiveDriver";

	public static void main(String[] args) {

		try {
			Class.forName(driverName);
		} catch (ClassNotFoundException e) {
			// TODO Auto-generated catch block
			e.printStackTrace();
		}

		String url = "jdbc:hive2://node01:10000";
		String userName = "zhangsan";
		String passwd = "123456789";
		Connection conn = null;
		try {
			conn = DriverManager.getConnection(url, userName, passwd);
			Statement statement = conn.createStatement();
			String sql = "select * from test.logtbl limit 10";   //sql语句可以是其他的dml，但是不能是update，不支持修改。
			ResultSet resultSet = statement.executeQuery(sql);
			while (resultSet.next()) {
				System.out.println(resultSet.getString(1) + "-" + resultSet.getString(2));
			}
		} catch (SQLException e) {
			// TODO Auto-generated catch block
			e.printStackTrace();
		}

	}
}