HIve安装配置(超详细)

文章目录


Hive安装配置

一、Hive安装地址

1)Hive官网地址
http://hive.apache.org/
2)文档查看地址
https://cwiki.apache.org/confluence/display/Hive/GettingStarted
3)下载地址
http://archive.apache.org/dist/hive/
4)github地址
https://github.com/apache/hive

二、Hive安装部署

1. 把 apache-hive-3.1.2-bin.tar.gz上传到Linux的/export/software目录下

image-20230331164639208

2. 解压apache-hive-3.1.2-bin.tar.gz到/export/servers/目录下面

tar -zxvf apache-hive-3.1.2-bin.tar.gz -C ../servers/

image-20230331165118362

3. 修改apache-hive-3.1.2-bin.tar.gz的名称为hive

image-20230331165215374

4. 修改/etc/profile,添加环境变量

vi /etc/profile

(1)添加内容

#HIVE_HOME
export HIVE_HOME=/export/servers/hive
export PATH=$PATH:$HIVE_HOME/bin

image-20230331165325200

(2)source一下

source /etc/profile

5. 初始化元数据库(默认是derby数据库)

bin/schematool -dbType derby -initSchema

报以下错误:

Exception in thread "main" java.lang.NoSuchMethodError: com.google.common.base.Preconditions.checkArgument(ZLjava/lang/String;Ljava/lang/Object;)V

image-20230331170110128

原因是hadoop和hive的两个guava.jar版本不一致,两个jar位置分别位于下面两个目录:

/export/servers/hive/lib/guava-19.0.jar 
/export/servers/hadoop-3.1.4/share/hadoop/common/lib/guava-27.0-jre.jar

解决办法是删除低版本的那个,将高版本的复制到低版本目录下。

cd /export/servers/hive/lib
rm -f guava-19.0.jar
cp /export/servers/hadoop-3.1.4/share/hadoop/common/lib/guava-27.0-jre.jar .

再次运行schematool -dbType derby -initSchema,即可成功初始化元数据库。

image-20230331171334295

三、MySQL安装

1. 安装MySQL

1)上传MySQL安装包以及MySQL驱动jar包
mysql-5.7.28-1.el7.x86_64.rpm-bundle.tar
mysql-connector-java-5.1.37.jar

image-20230331172459060

2)解压MySQL安装包
mkdir /export/software/mysql_lib
tar -xf mysql-5.7.28-1.el7.x86_64.rpm-bundle.tar -C /export/software/mysql_lib/

image-20230331172918560

image-20230331173000688

3)卸载系统自带的mariadb
sudo rpm -qa | grep mariadb | xargs sudo rpm -e --nodeps

image-20230331173051740

4)安装MySQL依赖
rpm -ivh mysql-community-common-5.7.28-1.el7.x86_64.rpm
rpm -ivh mysql-community-libs-5.7.28-1.el7.x86_64.rpm
rpm -ivh mysql-community-libs-compat-5.7.28-1.el7.x86_64.rpm

image-20230331173244894

5)安装mysql-client
rpm -ivh mysql-community-libs-compat-5.7.28-1.el7.x86_64.rpm
rpm -ivh mysql-community-client-5.7.28-1.el7.x86_64.rpm

image-20230331173347042

6)安装mysql-server
rpm -ivh mysql-community-server-5.7.28-1.el7.x86_64.rpm

image-20230331173537349

注意:若出现以下错误

warning: 05_mysql-community-server-5.7.16-1.el7.x86_64.rpm: Header V3 DSA/SHA1 Signature, key ID 5072e1f5: NOKEY
error: Failed dependencies:
libaio.so.1()(64bit) is needed by mysql-community-server-5.7.16-1.el7.x86_64

解决办法:

yum -y install libaio
7)启动MySQL
systemctl start mysqld 	#启动mysql服务器
systemctl status mysqld	#查看服务器状态
systemctl enable mysqld	#设置虚拟机开机mysql服务自动启动

image-20230331173859671

查看MySQL状态,没有启动成功:

image-20230331174245900

经过查找,我发现是这个问题:

--initialize specified but the data directory has files in it. Aborting.

意思是初始化数据目录时发现目录里面有文件,可能原因是之前运行过命令目录中已生成文件。只要我们找到MySQL的数据目录并删除里面的文件即可解决。

查看MySQL指定的数据目录存放路径
# cat /etc/my.cnf
......省略内容...............
datadir=/var/lib/mysql
socket=/var/lib/mysql/mysql.sock

datadir是我们安装MySQL时默认指定的存放文件的数据目录,进入文件中删除里面的目录即可。

image-20230331182441476

再次查看,文件夹中出现了文件:

image-20230331182644955

我们查看一下MySQL的状态:

image-20230331182753550

设置开机自启动:

systemctl enable mysqld

image-20230331183352312

8)查看MySQL密码
sudo cat /var/log/mysqld.log | grep password

image-20230331183900841

2. 配置MySQL

配置主要是root用户 + 密码,在任何主机上都能登录MySQL数据库。

1)用刚刚查到的密码进入MySQL
mysql -uroot -p'_K>)_Rg!k6d:'

image-20230331184126160

注意:

  • 如果报错,给密码加单引号
  • 不要把空格给复制上,不然是登不上的
2)设置复杂密码

注意:由于MySQL密码策略,此密码必须足够复杂,需要大小写字母,数字,特殊字符。

set password=password("Qs23=zs32");

image-20230331184344930

3)更改MySQL密码策略

但是如果使用刚才那个密码,比较复杂,我们不容易记住,所以我们想把密码设置的简单一些,需要先进行设置。

set global validate_password_policy=0;
set global validate_password_length=4;

image-20230331184552318

4)设置简单好记的密码
set password=password("123456");

image-20230331185042781

5)进入MySQL库
use mysql

image-20230331185116480

6)查询user表
select user, host from user;

image-20230331185202920

7)修改user表,把Host表内容修改为%
update user set host="%" where user="root";

image-20230331185247695

8)刷新
flush privileges;

image-20230331185405260

9)退出
exit

image-20230331185428060

四、配置Hive元数据存储到MySQL

1. 配置元数据到MySQL

1)新建Hive元数据库
#登录MySQL
mysql -uroot -p123456

#创建Hive元数据库
mysql> create database metastore;
mysql> quit;

image-20230331185708022

2)将MySQL的JDBC驱动拷贝到Hive的lib目录下。
cp mysql-connector-java-5.1.37.jar $HIVE_HOME/lib

image-20230331185818478

3)在$HIVE_HOME/conf目录下新建hive-site.xml文件
vi $HIVE_HOME/conf/hive-site.xml

添加如下内容:

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<configuration>
    <!-- jdbc连接的URL -->
    <property>
        <name>javax.jdo.option.ConnectionURL</name>
        <value>jdbc:mysql://hadoop001:3306/metastore?useSSL=false</value>
    </property>
    
    <!-- jdbc连接的Driver-->
    <property>
        <name>javax.jdo.option.ConnectionDriverName</name>
        <value>com.mysql.jdbc.Driver</value>
    </property>
    
	<!-- jdbc连接的username-->
    <property>
        <name>javax.jdo.option.ConnectionUserName</name>
        <value>root</value>
    </property>

    <!-- jdbc连接的password -->
    <property>
        <name>javax.jdo.option.ConnectionPassword</name>
        <value>123456</value>
    </property>

    <!-- Hive默认在HDFS的工作目录 -->
    <property>
        <name>hive.metastore.warehouse.dir</name>
        <value>/user/hive/warehouse</value>
    </property>
</configuration>

image-20230331190443332

4)初始化Hive元数据库(修改为采用MySQL存储元数据)
bin/schematool -dbType mysql -initSchema -verbose

image-20230331190510596

2. 验证元数据是否配置成功

1)启动hadoop集群和MySQL服务

image-20230331190810115

image-20230331190839428

2)启动Hive
bin/hive

image-20230331190913569

3)使用Hive
hive> show databases;
hive> show tables;
hive> create table stu(id int, name string);
hive> insert into stu values(1,"ss");
hive> select * from stu;

查看数据库:

image-20230331222451600

3. 查看MySQL中的元数据

1)登录MySQL
mysql -uroot -p123456

image-20230331225609491

2)查看元数据库metastore
mysql> show databases;
mysql> use metastore;
mysql> show tables;

image-20230331225758266

image-20230331225904567

(1)查看元数据库中存储的库信息

select * from DBS;

image-20230331230411895

(2)查看元数据库中存储的表信息

select * from TBLS;

image-20230331230338242

(3)查看元数据库中存储的表中列相关信息

select * from COLUMNS_V2;

image-20230331230501860

五、Hive服务部署

1. hiveserver2服务

Hive的hiveserver2服务的作用是提供jdbc/odbc接口,为用户提供远程访问Hive数据的功能,例如用户期望在个人电脑中访问远程服务中的Hive数据,就需要用到Hiveserver2

image-20230331230624547

1)用户说明

​ 在远程访问Hive数据时,客户端并未直接访问Hadoop集群,而是由Hivesever2代理访问。由于Hadoop集群中的数据具备访问权限控制,所以此时需考虑一个问题:那就是访问Hadoop集群的用户身份是谁?是Hiveserver2的启动用户?还是客户端的登录用户?

​ 答案是都有可能,具体是谁,由Hiveserver2hive.server2.enable.doAs参数决定,该参数的含义是是否启用Hiveserver2用户模拟的功能。若启用,则Hiveserver2会模拟成客户端的登录用户去访问Hadoop集群的数据,不启用,则Hivesever2会直接使用启动用户访问Hadoop集群数据。模拟用户的功能,默认是开启的。

​ 具体逻辑如下:

未开启用户模拟功能:

image-20230331230831000

开启用户模拟功能:

image-20230331230855368

生产环境,推荐开启用户模拟功能,因为开启后才能保证各用户之间的权限隔离。

2)hiveserver2部署

(1)Hadoop端配置

hivesever2的模拟用户功能,依赖于Hadoop提供的proxy user(代理用户功能),只有Hadoop中的代理用户才能模拟其他用户的身份访问Hadoop集群。因此,需要将hiveserver2的启动用户设置为Hadoop的代理用户,配置方式如下:

修改配置文件core-site.xml,然后记得分发三台机器:

cd $HADOOP_HOME/etc/hadoop
vi core-site.xml

增加如下配置:

<!-- 配置访问hadoop的权限,能够让hive访问到 -->
	<property>
		<name>hadoop.proxyuser.root.hosts</name>
		<value>*</value>
	</property>
	<property>
		<name>hadoop.proxyuser.root.users</name>
		<value>*</value>
	</property>

(2)Hive端配置

在hive-site.xml文件中添加如下配置信息:

<!-- 指定hiveserver2连接的host -->
<property>
	<name>hive.server2.thrift.bind.host</name>
	<value>hadoop001</value>
</property>

<!-- 指定hiveserver2连接的端口号 -->
<property>
	<name>hive.server2.thrift.port</name>
	<value>10000</value>
</property>

image-20230331231603166

3)测试

(1)启动hiveserver2

bin/hive --service hiveserver2

出现问题:

image-20230331231948682

在 hive-site.xml 中添加如下配置:

  <property>
    <name>hive.server2.active.passive.ha.enable</name>
    <value>true</value>
    <description>Whether HiveServer2 Active/Passive High Availability be enabled when Hive Interactive sessions are enabled.This will also require hive.server2.support.dynamic.service.discovery to be enabled.</description>
  </property>

重新启动hiveserver2服务:

image-20230331232752861

(2)使用命令行客户端beeline进行远程访问

启动beeline客户端

bin/beeline -u jdbc:hive2://hadoop001:10000 -n root

看到如下界面

image-20230331233006916

4)配置DataGrip连接

(1)创建连接

image-20230331233243324

(2)配置连接属性
所有属性配置,和Hive的beeline客户端配置一致即可。初次使用,配置过程会提示缺少JDBC驱动,按照提示下载即可。

image-20230331233438976

(3)界面介绍

image-20230331233549586

(4)测试sql执行

image-20230331233648354

2. metastore服务

Hive的metastore服务的作用是为Hive CLI或者Hiveserver2提供元数据访问接口。

1)metastore运行模式

metastore有两种运行模式,分别为嵌入式模式和独立服务模式。下面分别对两种模式进行说明:

(1)嵌入式模式

image-20230331233800219

(2)独立服务模式

image-20230331233842988

生产环境中,不推荐使用嵌入式模式。因为其存在以下两个问题:
(1)嵌入式模式下,每个Hive CLI都需要直接连接元数据库,当Hive CLI较多时,数据库压力会比较大。

(2)每个客户端都需要用户元数据库的读写权限,元数据库的安全得不到很好的保证。

2)metastore部署

(1)嵌入式模式

嵌入式模式下,只需保证Hiveserver2和每个Hive CLI的配置文件hive-site.xml中包含连接元数据库所需要的以下参数即可:

<configuration>
    <!-- jdbc连接的URL -->
    <property>
        <name>javax.jdo.option.ConnectionURL</name>
        <value>jdbc:mysql://hadoop001:3306/metastore?useSSL=false</value>
    </property>
    
    <!-- jdbc连接的Driver-->
    <property>
        <name>javax.jdo.option.ConnectionDriverName</name>
        <value>com.mysql.jdbc.Driver</value>
    </property>
    
	<!-- jdbc连接的username-->
    <property>
        <name>javax.jdo.option.ConnectionUserName</name>
        <value>root</value>
    </property>

    <!-- jdbc连接的password -->
    <property>
        <name>javax.jdo.option.ConnectionPassword</name>
        <value>123456</value>
    </property>
</configuration>

(2)独立服务模式
独立服务模式需做以下配置:
首先,保证metastore服务的配置文件hive-site.xml中包含连接元数据库所需的以下参数:

<configuration>
    <!-- jdbc连接的URL -->
    <property>
        <name>javax.jdo.option.ConnectionURL</name>
        <value>jdbc:mysql://hadoop001:3306/metastore?useSSL=false</value>
    </property>
    
    <!-- jdbc连接的Driver-->
    <property>
        <name>javax.jdo.option.ConnectionDriverName</name>
        <value>com.mysql.jdbc.Driver</value>
    </property>
    
	<!-- jdbc连接的username-->
    <property>
        <name>javax.jdo.option.ConnectionUserName</name>
        <value>root</value>
    </property>

    <!-- jdbc连接的password -->
    <property>
        <name>javax.jdo.option.ConnectionPassword</name>
        <value>123456</value>
    </property>
</configuration>

其次,保证Hiveserver2和每个Hive CLI的配置文件hive-site.xml中包含访问metastore服务所需的以下参数:

<!-- 指定metastore服务的地址 -->
<property>
	<name>hive.metastore.uris</name>
	<value>thrift://hadoop001:9083</value>
</property>

注意:主机名需要改为metastore服务所在节点,端口号无需修改,metastore服务的默认端口就是9083。

3)测试

此时启动Hive CLI,执行shou databases语句,会出现一下错误提示信息:

hive (default)> show databases;
FAILED: HiveException java.lang.RuntimeException: Unable to instantiate org.apache.hadoop.hive.ql.metadata.SessionHiveMetaStoreClient

这是因为我们在Hive CLI的配置文件中配置了hive.metastore.uris参数,此时Hive CLI会去请求我们执行的metastore服务地址,所以必须启动metastore服务才能正常使用。

metastore服务的启动命令如下:

hive --service metastore

image-20230331234623836

注意:启动后该窗口不能再操作,需打开一个新的Xshell窗口来对Hive操作。

重新启动 Hive CLI,并执行shou databases语句,就能正常访问了

image-20230331234646124

3. 编写Hive服务启动脚本

1)前台启动的方式导致需要打开多个窗口,可以使用如下方式后台方式启动
  • nohup:放在命令开头,表示不挂起,也就是关闭终端进程也继续保持运行状态
  • /dev/null:是Linux文件系统中的一个文件,被称为黑洞,所有写入该文件的内容都会被自动丢弃
  • 2>&1:表示将错误重定向到标准输出上
  • &:放在命令结尾,表示后台运行

一般会组合使用:nohup [xxx命令操作]> file 2>&1 &,表示将xxx命令运行的结果输出到file中,并保持命令启动的进程在后台运行。

nohup hive --service metastore 2>&1 &
nohup hive --service hiveserver2 2>&1 &
2)为了方便使用,可以直接编写脚本来管理服务的启动和关闭
vi $HIVE_HOME/bin/hive-script.sh

内容如下:

#!/bin/bash

HIVE_LOG_DIR=$HIVE_HOME/logs
if [ ! -d $HIVE_LOG_DIR ]
then
	mkdir -p $HIVE_LOG_DIR
fi

#检查进程是否运行正常,参数1为进程名,参数2为进程端口
function check_process()
{
    pid=$(ps -ef 2>/dev/null | grep -v grep | grep -i $1 | awk '{print $2}')
    ppid=$(netstat -nltp 2>/dev/null | grep $2 | awk '{print $7}' | cut -d '/' -f 1)
    echo $pid
    [[ "$pid" =~ "$ppid" ]] && [ "$ppid" ] && return 0 || return 1
}

function hive_start()
{
    metapid=$(check_process HiveMetastore 9083)
    cmd="nohup hive --service metastore >$HIVE_LOG_DIR/metastore.log 2>&1 &"
    [ -z "$metapid" ] && eval $cmd || echo "Metastroe服务已启动"
    server2pid=$(check_process HiveServer2 10000)
    cmd="nohup hive --service hiveserver2 >$HIVE_LOG_DIR/hiveServer2.log 2>&1 &"
    [ -z "$server2pid" ] && eval $cmd || echo "HiveServer2服务已启动"
}

function hive_stop()
{
metapid=$(check_process HiveMetastore 9083)
    [ "$metapid" ] && kill $metapid || echo "Metastore服务未启动"
    server2pid=$(check_process HiveServer2 10000)
    [ "$server2pid" ] && kill $server2pid || echo "HiveServer2服务未启动"
}

case $1 in
"start")
    hive_start
    ;;
"stop")
    hive_stop
    ;;
"restart")
    hive_stop
    sleep 2
    hive_start
    ;;
"status")
    check_process HiveMetastore 9083 >/dev/null && echo "Metastore服务运行正常" || echo "Metastore服务运行异常"
    check_process HiveServer2 10000 >/dev/null && echo "HiveServer2服务运行正常" || echo "HiveServer2服务运行异常"
    ;;
*)
    echo Invalid Args!
    echo 'Usage: '$(basename $0)' start|stop|restart|status'
    ;;
esac

image-20230331235158482

3)添加执行权限
chmod +x $HIVE_HOME/bin/hive-script.sh

image-20230331235413927

4)启动Hive后台服务
hive-script.sh start
hive-script.sh status
hive-script.sh stop

image-20230401001426098

六、其他配置

1. 解决hive打印大量INFO日志

配置好hive的环境之后,无论输入bin/hive还是输入hive,都依然打印大量INFO日志。

image-20230331191404203

这样不利于我们观察信息。

1)进入到hive安装路径下的conf目录下

可以看到目录下现有的文件:

image-20230331221132048

2)新建log4j.properties文件

文件内容如下:

log4j.rootLogger=WARN,CA
log4j.appender.CA=org.apache.log4j.ConsoleAppender
log4j.appender.CA.layout=org.apache.log4j.PatternLayout
log4j.appender.CA.layout.ConversionPattern=%-4r [%t] %-5p %c %x - %m%n

image-20230331221335951

如果,还是有WARN信息,可以吧WARN改成ERROR级别。

3)重新执行启动hive的命令

image-20230331221506439

我们发现没有日志输出了。

2.Hive卸载

1)卸载MySQL说明

若因为安装失败或者其他原因,MySQL需要卸载重装,可参考以下内容。

(1)先关闭MySQL服务

systemctl stop mysqld
systemctl disable mysqld

(2)清空原有数据

①通过/etc/my.cnf查看MySQL数据的存储位置

cat /etc/my.cnf

image-20230331163415725

②去往/var/lib/mysql路径需要root权限

[root@hadoop001 ~]# cd /var/lib/mysql
[root@hadoop001 mysql]# rm -rf *	#(注意敲击命令的位置)

(3)卸载MySQL相关包

①查看安装过的MySQL相关包

sudo rpm -qa | grep -i -E mysql

image-20230331163741842

②一键卸载命令

rpm -qa | grep -i -E mysql\|mariadb | xargs -n1 sudo rpm -e --nodeps

image-20230331164002631

2)卸载Hive

image-20230331164910610

3. 修改Hive运⾏⽇志的存放位置

默认情况下,Hive的运⾏⽇志存放在/tmp/root/hive.log ⽬录下(root是当前⽤户登录⽤户名)。修改hive的⽇志存放到$HIVE_HOME/logs⽬录下。

image-20230401094741472

image-20230401094753583

1)创建hivelog4j2.properties

修改hive-log4j2.properties.template⽂件名称为hive-log4j2.properties:

cd $HIVE_HOME/conf

image-20230401095338255

 cp hive-log4j2.properties.template hive-log4j2.properties

image-20230401095438862

2)在 hive-log4j2.properties ⽂件中修改 log 存放位置

image-20230401121702205

3)⽤hive-script.sh restart重启服务后,查看$HIVE_HOME/hive/logs⽬录

image-20230401121830241

image-20230401121900504

已有新⽣成的⽇志。

4. 打印当前库和表头

在 hive-site.xml 中加⼊如下两个配置:

<!-- 打印表头 -->
<property>
	<name>hive.cli.print.header</name>
	<value>true</value>
</property>

<!-- 开启这个属性可以在CLI提示符前打印出当前所在数据库名,默认数据库名为default -->
<property>
	<name>hive.cli.print.current.db</name>
	<value>true</value>
</property>

image-20230401122434461

也可以⽤set命令进⾏设置:

hive> set hive.cli.print.header=true;
hive> set hive.cli.print.current.db=true;

set命令的设置仅本次⽣效,Hive CLI重启后失效。 ⽽配置⽂件是永久有效。

5. Hive的JVM堆内存设置

新版本的Hive启动的时候,默认申请的JVM堆内存大小为256M,JVM堆内存申请的太小,导致后期开启本地模式,执行复杂的SQL时经常会报错:java.lang.OutOfMemoryError: Java heap space,因此最好提前调整一下HADOOP_HEAPSIZE这个参数。

1)新建hive-env.sh

image-20230401122931775

2)修改 hive-env.sh其中的参数

将hive-env.sh其中的参数 export HADOOP_HEAPSIZE修改为2048,重启Hive。

image-20230401123144554

6. 关闭Hadoop虚拟内存检查

在yarn-site.xml中关闭虚拟内存检查(虚拟内存校验,如果已经关闭了,就不需要配了)。

(1)修改前记得先停Hadoop

(2)添加如下配置

<property>
    <name>yarn.nodemanager.vmem-check-enabled</name>
    <value>false</value>
</property>

image-20230401123815359

(3)修改完后记得分发yarn-site.xml,并重启yarn。

7.出现这个问题

Error while processing statement: FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.StatsTask

执行以下命令没有问题:

show databases;
show tables;
select * from 表名;

插入第一条数据没有问题,但是插入第二条数据出现问题:

Error while processing statement: FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.StatsTask

问题原因:可能是因为MySQL数据库和元数据库在同一台虚拟机上。

解决方案:不配置元数据服务即可。

参考文章:

MySQL启动时出现initialize specified but the data directory has files in it. Aborting问题

Centos7安装hive3.1.2遇到报错

hive启动日志关闭解决方法

Hive数据仓库的安装配置