Hive入门篇

目录 apache-hive, hadoop

Hive是Hadoop项目中的一个子项目,由FaceBook向Apache基金会贡献,其中TaoBao也是其中一位使用者和贡献者,Hive被视为一个仓库工具,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。
Hive主要分为以下几个部分:
1.用户接口
用户接口主要有三个:命令行(CLI),客户端(Client) 和 Web界面(WUI)。其中最常用的是 CLI,启动的时候,会同时启动一个 Hive 服务。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的Web工具。
2.元数据存储
Hive 将元数据存储在数据库中,如 MySQL或者Derby嵌入式数据库。若将元数据存储在MySQL中,在TBLS中可以看见你建立的所有表信息,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. 执行
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. HDFS存储
Hive 的数据存储在 HDFS 中,大部分的查询由 MapReduce 完成(包含 * 的查询,比如 select * from tbl 不会生成 MapRedcue 任务)。
如图所示:
hive-Architecture
Hive 元数据存储
Hive 将元数据存储在 RDBMS 中,有三种模式可以连接到数据库:

Single User Mode: 此模式连接到一个 In-memory 的数据库 Derby,一般用于 Unit Test,
如图1
hive-datameta-1

Multi User Mode:通过网络连接到一个数据库中,是最经常使用到的组合模式,如图2 hive-datameta-2

Remote Server Mode:用于非 Java 客户端访问元数据库,在服务器端启动一个 MetaStoreServer,客户端利用 Thrift 协议通过 MetaStoreServer 访问元数据库。如图3hive-datameta-3
Hive 的启动方式
hive 的命令行,直接输入/hive/bin/hive的运行程序,或者 hive –service cli
hive web界面的启动方式,hive –service hwi
hive 服务和端口号10000 启动方式,nohup hive –service hiveserver &

Hive的SQL
建表
CREATE TABLE javabloger (foo INT, bar STRING);
插入
LOAD DATA LOCAL INPATH ‘/work/hive/examples/files/kv1.txt’ OVERWRITE INTO TABLE javabloger;
查询
SELECT a.* FROM javabloger a;
Hive使用MySQL存放元数据
可以参考一下这篇文章
http://www.mazsoft.com/blog/post/2010/02/01/Setting-up-HadoopHive-to-use-MySQL-as-metastore.aspx
别忘了下载 MySQL 的JDBC驱动,推荐下载 mysql-connector-java-5.1.11.tar.gz

Hive 与 JDBC
导入hive\lib下的所有jar包到IDE的classpath里面,还有hadoop中的 hadoop-0.20.2-core.jar包,即可运行下列代码:
package com.javabloger.hive;

import java.sql.Connection;
import java.sql.DriverManager;
import java.sql.ResultSet;
import java.sql.Statement;

public class HiveTestCase {

public static void main(String[] args) throws Exception {
Class.forName(“org.apache.hadoop.hive.jdbc.HiveDriver”);

String dropSQL=”drop table javabloger”;
String createSQL=”create table javabloger (key int, value string)”;
String insterSQL=”LOAD DATA LOCAL INPATH ‘/work/hive/examples/files/kv1.txt’ OVERWRITE INTO TABLE javabloger”;
String querySQL=”SELECT a.* FROM javabloger a”;

Connection con = DriverManager.getConnection(“jdbc:hive://192.168.20.213:10000/default”, “”, “”);
Statement stmt = con.createStatement();
stmt.executeQuery(dropSQL); // 执行删除语句
stmt.executeQuery(createSQL); // 执行建表语句
stmt.executeQuery(insterSQL); // 执行插入语句
ResultSet res = stmt.executeQuery(querySQL); // 执行查询语句

while (res.next()) {
System.out.println(“Result: key:”+res.getString(1) +” –> value:” +res.getString(2));
}

}

}
Hadoop学习之旅正在进行中,正在走向Hive的路上。。。。。

–end–

暂无评论

发表评论

电子邮件地址不会被公开。 必填项已用*标注