文章目录

• 1.概述
• 2.Metadata/Metastore的作用
• 3 Metastore三种配置方式
• • 3.1 Hive配置参数说明
  • • 3.1.1 基本配置参数
    • 3.1.2 其他配置参数
  • 3.2 内嵌模式（Embedded）
  • • 3.2.1 hive-site.xml配置说明
    • 3.2.2 hive-site.xml配置样例
    • 3.2.3 启动方式
    • 3.2.4 缺点
  • 3.3 本地模式（Local）
  • • 3.3.1 hive-site.xml配置说明
    • 3.3.2 hive-site.xml配置样例
    • 3.3.3 启动方式
    • 3.3.4 缺点
    • 3.3.5 备注
  • 3.4 远程模式（Remote）
  • • 3.4.1 服务端hive-site.xml配置说明
    • 3.4.2 服务端hive-site.xml配置样例
    • 3.4.3 客户端hive-site.xml配置说明
    • 3.4.4 客户端hive-site.xml配置样例
    • 3.4.5 启动方式
    • • 3.4.5.1 服务端启动方式
      • 3.4.5.2 客户端启动方式
• 4 客户端
• • 4.1 第一代客户端Hive Client
  • 4.2 第二代客户端Hive Beeline Client
• 5 元数据表
• • 5.1 TBLS(表的表头信息)表解释
  • 5.2 DBS(表db信息)表解释
  • 5.3 SDS(表存储格式相关内容)表解释
  • 5.4 columns\_v2(表字段详情)表解释
  • 5.5 table\_params(表附属信息)表解释
  • 5.6 元数据接口详解
  • 5.6.1 接口详解
  • • 5.6.2 代码接口详解
    • 5.6.3 代码样例
• 6 HiveServer2
• • 6.1 hive-site.xml配置说明
  • 6.2 hive-site.xml配置样例
  • 6.3 启动方式
  • 6.4 测试
  • 6.5 安全鉴权
• 7 Hive内置服务
• • 7.1 hiveserver
  • 7.2 hwi
  • 7.3 cli

1.概述

Hive是最合适数据仓库应用程序的，其可以维护海量数据，而且可以对数据进行挖掘，然后形成意见和报告等。下图即是Hive与Hadoop交互的架构图：

Hive的发行版本中附带的模块有CLI，HWI(Hive的简单网页见面)以及通过JDBC，ODBC和Thrift服务器进行编程访问的几个模块。

另外基于Hive的发行版本一些厂商有额外的封装，如Karmasphere发布的一个商业产品、Cloudera提供的开源的Hue项目、以及Qubole提供的"Hive即服务"方式等.

• Driver(驱动模块)：所有的命令和查询都会进入到Driver，通过该模块对输入进行解析编译，对需求的计算进行优化，然后启动多个MapReduce任务（job）来执行。当启动MapReduce任务时，HIve本身不会生成Java代码。而是通过一个表示“job执行计划”的xml文件驱动内置的Mapper和Reducer模块。
• Metastore（元数据存储）是一个独立的关系型数据库（通常是一个MySQL实例），其中保存则Hive的表模式和其他系统元数据。

2.Metadata/Metastore的作用

Metadata即元数据，包含用Hive创建的database、tabel等的元信息。元数据存储在关系型数据库中。如Derby、MySQL等。
　　
Metastore的作用是客户端连接metastore服务，metastore再去连接MySQL数据库来存取元数据。有了metastore服务，就可以有多个客户端同时连接，而且这些客户端不需要知道MySQL数据库的用户名和密码，只需要连接metastore服务即可。

3 Metastore三种配置方式

由于元数据不断地修改、更新，所以Hive元数据不适合存储在HDFS中，一般存在RDBMS中。

3.1 Hive配置参数说明

3.1.1 基本配置参数

请参见配置Hive下的hivemetstore -site.xml文档。

Hive metastore是无状态的，因此可以有多个实例来实现高可用性。使用hive.metastore.uri可以指定多个远程元数据连接。Hive会默认使用列表中的第一个，但会在连接失败时随机选择一个，并尝试重新连接。

3.1.2 其他配置参数

以下metastore配置参数是从旧文档中继承下来的，没有保证它们仍然存在。Hive当前的配置选项请参见HiveConf Java类，Metastore和Hive Metastore安全部分的语言手册的Hive配置属性的用户友好的描述Metastore参数。

3.2 内嵌模式（Embedded）

内嵌模式使用的是内嵌的Derby数据库来存储元数据，也不需要额外起Metastore服务。数据库和Metastore服务都嵌入在主Hive Server进程中。这个是默认的，配置简单，但是一次只能一个客户端连接，适用于用来实验，不适用于生产环境。

3.2.1 hive-site.xml配置说明

3.2.2 hive-site.xml配置样例

hive.metastore.uris
  javax.jdo.option.ConnectionURL  jdbc:derby:;databaseName=metastore_db;create=true  
    javax.jdo.option.ConnectionDriverName  org.apache.derby.jdbc.EmbeddedDriver  
hive.metastore.warehouse.dir/user/hive/warehouse

3.2.3 启动方式

解压hive安装包，执行bin/hive启动即可使用

3.2.4 缺点

不同路径启动hive，每一个hive拥有一套自己的元数据，无法共享。

3.3 本地模式（Local）

如果要支持多会话（以及多租户），需要使用一个独立的数据库，这种配置方式成为本地配置。本地模式采用外部数据库来存储元数据，目前支持的数据库有：MySQL、Postgres、Oracle、MS SQL Server.在这里我们使用MySQL。

本地模式同内嵌模式一样，不需要单独起Metastore服务，用的是跟hive在同一个进程里的Metastore服务。也就是说当你启动一个hive 服务，里面默认会帮我们启动一个Metastore服务。但是不一样的是，Metastore连接的确实另一个进程中运行的数据库，在同一台机器上或者远程机器上。

3.3.1 hive-site.xml配置说明

3.3.2 hive-site.xml配置样例

javax.jdo.option.ConnectionURLjdbc:mysql://127.0.0.1:3306/hive?createDatabaseIfNotExit=true

javax.jdo.option.ConnectionDriverNamecom.mysql.jdbc.Driver

javax.jdo.option.ConnectionUserNameroot

javax.jdo.option.ConnectionPasswordroot

hive.metastore.uris指向的是运行metastore服务的主机,这是hive客户端配置，metastore服务不需要配置
hive.metastore.warehouse.dir/user/hive/warehousehive表的默认存储路径,为HDFS的路径location of default database for the warehouse

3.3.3 启动方式

解压hive安装包，执行bin/hive启动即可使用

3.3.4 缺点

每启动一次hive服务，都内置启动了一个metastore。

3.3.5 备注

如果选择 MySQL 作为 MetaStore 存储数据库，需要提前将MySQL的驱动包拷贝到 $HIVE_HOME/lib目录下。

JDBC 连接驱动类视情况决定选择com.mysql.cj.jdbc.Driver 还是 com.mysql.jdbc.Driver。

3.4 远程模式（Remote）

远程模式下，需要单独起Metastore服务，然后每个客户端都在配置文件里配置连接到该Metastore服务。MetaStore服务和Hive服务运行在不同进程中。CLI、HiveServer2、HCatalog、Impala 以及其他进程使用 Thrift API（使用 hive.metastore.uris 属性配置）与 MetaStore 服务通信。MetaStore 服务通过 JDBC 与 MetaStore 数据库进行通信（使用 javax.jdo.option.ConnectionURL 属性配置）:

3.4.1 服务端hive-site.xml配置说明

从Hive 3.0.0 (Hive -16452)开始，metastore数据库存储了一个GUID，可以通过Thrift API get_metastore_db_uuid被metastore客户端查询，以识别后端数据库实例。HiveMetaStoreClient可以通过getMetastoreDbUuid()方法访问这个API。

3.4.2 服务端hive-site.xml配置样例

  javax.jdo.option.ConnectionURLjdbc:mysql://localhost:3306/hive_meta?createDatabaseIfNotExist=true
    javax.jdo.option.ConnectionDriverNamecom.mysql.cj.jdbc.Driver  
    javax.jdo.option.ConnectionUserNameroot  
    javax.jdo.option.ConnectionPasswordroot  
hive.metastore.warehouse.dir/user/hive/warehouse
hive.metastore.port9083

3.4.3 客户端hive-site.xml配置说明

3.4.4 客户端hive-site.xml配置样例

  hive.metastore.uristhrift://127.0.0.1:9083，thrift://127.0.0.1:9084指向的是运行metastore服务的主机
  hive.metastore.warehouse.dir/user/hive/warehouse

3.4.5 启动方式

远程模式的示意图如下：

3.4.5.1 服务端启动方式

服务器端启动一个MetaStoreServer

# 执行此命令前，需要先将hive/bin加入环境变量 /etc/profile中，eg:export PATH=$PATH:/usr/local/hive/bin
# 如果xml中已经配置了hive.metastore.port，则可以不用 -p 
# 如果不加端口默认启动：`hive --service metastore`，则默认监听端口是：9083
hive --service metastore -p # 后台启动 后台启动的情况下，如果想关闭metastore服务 使用jps查看进程（显示RunJar的进程），kill -9 进程号即可。
nohup hive --service metastore >/dev/null 2>&1 &

3.4.5.2 客户端启动方式

客户端利用Thrift协议通过MetaStoreServer访问元数据库。

hive
# 或
hive --service

4 客户端

一般的情况下，都采用远程模式部署Hive的Metastore服务。使用Hive自带的客户端进行连接访问。接下来，我们重点讲解下客户端。

4.1 第一代客户端Hive Client

在hive安装包的bin目录下，有hive提供的第一代客户端 bin/hive。使用该客户端可以访问hive的metastore服务。从而达到操作hive的目的。即在3.4节中介绍的客户端。

4.2 第二代客户端Hive Beeline Client

hive经过发展，推出了第二代客户端beeline，但是beeline客户端不是直接访问metastore服务的，而是需要单独启动hiveserver2服务。

在hive运行的服务器上，首先启动metastore服务，然后启动hiveserver2服务。

nohup hive --service metastore &nohup hive --service hiveserver2 &

在所要访问Hive的客户机上使用beeline客户端进行连接访问。

beeline

5 元数据表

5.1 TBLS(表的表头信息)表解释

5.2 DBS(表db信息)表解释

5.3 SDS(表存储格式相关内容)表解释

5.4 columns_v2(表字段详情)表解释

5.5 table_params(表附属信息)表解释

5.6 元数据接口详解

5.6.1 接口详解

官方hive接口文档地址：https://hive.apache.org/javadocs/ ，在这个上面可以选择对应的hive版本之后再详细看里面的接口。

5.6.2 代码接口详解

由于接口比较多，挑选几个重要的详细说明下

//获取所有的数据库
getAllDatabases
//获取所有的表名
getAllTables
//获取分区信息
getPartition
//获取schema信息
getSchema
//获取函数信息
getFunctions

5.6.3 代码样例

import org.apache.hadoop.hive.conf.HiveConf;
import org.apache.hadoop.hive.metastore.HiveMetaStoreClient;
import org.apache.hadoop.hive.metastore.api.FieldSchema;
import org.apache.hadoop.hive.metastore.api.MetaException;
import org.apache.hadoop.hive.metastore.api.Table;
import org.apache.thrift.TException;
import java.util.List;public class HiveMetastoreApi {public static void main(String[] args) {HiveConf hiveConf = new HiveConf();hiveConf.addResource("hive-site.xml");HiveMetaStoreClient client = null;try {client = new HiveMetaStoreClient(hiveConf);} catch (MetaException e) {e.printStackTrace();}//获取数据库信息List tablesList = null;try {tablesList = client.getAllTables("db_name");} catch (MetaException e) {e.printStackTrace();}System.out.print("db_name 数据所有的表:  ");for (String s : tablesList) {System.out.print(s + "\t");}System.out.println();//获取表信息System.out.println("db_name.table_name 表信息: ");Table table = null;try {table = client.getTable("db_name", "table_name");} catch (TException e) {e.printStackTrace();}List fieldSchemaList = table.getSd().getCols();for (FieldSchema schema : fieldSchemaList) {System.out.println("字段: " + schema.getName() + ", 类型: " + schema.getType());}client.close();}
}

6 HiveServer2

beeline客户端是通过hiveserver2服务以JDBC的方式连接到hive的。此种方式也是java，Python等程序中连接hive的途径。

6.1 hive-site.xml配置说明

Hiveserver2允许在配置文件hive-site.xml中进行配置管理，具体的参数为：

hive.server2.thrift.min.worker.threads– 最小工作线程数，默认为5。
hive.server2.thrift.max.worker.threads – 最小工作线程数，默认为500。
hive.server2.thrift.port– TCP 的监听端口，默认为10000。
hive.server2.thrift.bind.host– TCP绑定的主机，默认为localhost

也可以设置环境变量HIVE_SERVER2_THRIFT_BIND_HOST和HIVE_SERVER2_THRIFT_PORT覆盖hive-site.xml设置的主机和端口号。从Hive-0.13.0开始，HiveServer2支持通过HTTP传输消息，该特性当客户端和服务器之间存在代理中介时特别有用。与HTTP传输相关的参数如下：

hive.server2.transport.mode – 默认值为binary（TCP），可选值HTTP。
hive.server2.thrift.http.port– HTTP的监听端口，默认值为10001。
hive.server2.thrift.http.path – 服务的端点名称，默认为 cliservice。
hive.server2.thrift.http.min.worker.threads– 服务池中的最小工作线程，默认为5。
hive.server2.thrift.http.max.worker.threads– 服务池中的最小工作线程，默认为500。

默认情况下，HiveServer2以提交查询的用户执行查询（true），如果hive.server2.enable.doAs设置为false，查询将以运行hiveserver2进程的用户运行。为了防止非加密模式下的内存泄露，可以通过设置下面的参数为true禁用文件系统的缓存：

fs.hdfs.impl.disable.cache – 禁用HDFS文件系统缓存，默认值为false。
fs.file.impl.disable.cache – 禁用本地文件系统缓存，默认值为false。

6.2 hive-site.xml配置样例

通过hiveServer/hiveServer2启动Thrift服务，客户端连接Thrift服务访问Hive数据库（JDBC，JAVA等连接Thrift服务访问Hive）。

hive.server2.thrift.port10000指定 hiveserver2 连接的端口号

hive.server2.thrift.bind.hosthadoop-masterhiveserver2服务绑定的主机

hive.server2.enable.doAsfalseSetting this property to true will have HiveServer2 executeHive operations as the user making the calls to it.如果为True：Hive Server会以提交用户的身份去执行语句如果为False：会以hive server daemon的admin user来执行语句

hive.server2.thrift.client.userrootUsername to use against thrift clienthive.server2.thrift.client.password123456Password to use against thrift client

这两项配置其实是针对HiveServer2的，也就是针对服务端的，对于客户端是通过JDBC来配置主机和端口，比如jdbc:hive2://hadoop-master:10000

因此，假如hive.server2.thrift.bind.host配置为hadoop-master，而此时在hadoop-slave1上通过hive --service hiveserver2这个命令来启动的话，会提示错误:

org.apache.thrift.transport.TTransportException: Could not create ServerSocket on address hadoop-slave1/192.168.133.162:10000.at org.apache.thrift.transport.TServerSocket.(TServerSocket.java:109)at org.apache.thrift.transport.TServerSocket.(TServerSocket.java:91)at org.apache.thrift.transport.TServerSocket.(TServerSocket.java:87)at org.apache.hive.service.auth.HiveAuthFactory.getServerSocket(HiveAuthFactory.java:241)at org.apache.hive.service.cli.thrift.ThriftBinaryCLIService.run(ThriftBinaryCLIService.java:66)at java.lang.Thread.run(Thread.java:748)
2021-08-02 13:02:34,399 INFO  [Thread-3]: server.HiveServer2 (HiveStringUtils.java:run(709)) - SHUTDOWN_MSG: 

也就是无法在hadoop-slave1上创建ServerSocket。而如果把hive.server2.thrift.bind.host配置为0.0.0.0，或者不配置，那么在任何一个主机上都能顺利启动HiveServer2

6.3 启动方式

启动Thrift服务：hive --service hiveserver2

6.4 测试

测试Thrift服务：新开一个命令行窗口，执行beeline命令。此时提示需要用户密码

root@hadoop-master:~# beeline
SLF4J: Class path contains multiple SLF4J bindings.
SLF4J: Found binding in [jar:file:/usr/local/hive/lib/log4j-slf4j-impl-2.6.2.jar!/org/slf4j/impl/StaticLoggerBinder.class]
SLF4J: Found binding in [jar:file:/usr/local/hadoop/share/hadoop/common/lib/slf4j-log4j12-1.7.10.jar!/org/slf4j/impl/StaticLoggerBinder.class]
SLF4J: See http://www.slf4j.org/codes.html#multiple_bindings for an explanation.
SLF4J: Actual binding is of type [org.apache.logging.slf4j.Log4jLoggerFactory]
Beeline version 2.3.9 by Apache Hive
beeline> !connect jdbc:hive2://hadoop-master:10000
Connecting to jdbc:hive2://hadoop-master:10000
Enter username for jdbc:hive2://hadoop-master:10000: 

修改hadoop 配置文件 etc/hadoop/core-site.xml,加入如下配置项

hadoop.proxyuser.root.hosts*

hadoop.proxyuser.root.groups*

• 重启hadoop
• 启动hive

重新登陆测试：

root@hadoop-master:~# beeline
SLF4J: Class path contains multiple SLF4J bindings.
SLF4J: Found binding in [jar:file:/usr/local/hive/lib/log4j-slf4j-impl-2.6.2.jar!/org/slf4j/impl/StaticLoggerBinder.class]
SLF4J: Found binding in [jar:file:/usr/local/hadoop/share/hadoop/common/lib/slf4j-log4j12-1.7.10.jar!/org/slf4j/impl/StaticLoggerBinder.class]
SLF4J: See http://www.slf4j.org/codes.html#multiple_bindings for an explanation.
SLF4J: Actual binding is of type [org.apache.logging.slf4j.Log4jLoggerFactory]
Beeline version 2.3.9 by Apache Hive
beeline> !connect jdbc:hive2://hadoop-master:10000
Connecting to jdbc:hive2://hadoop-master:10000
Enter username for jdbc:hive2://hadoop-master:10000: root  # 用户名使用root
Enter password for jdbc:hive2://hadoop-master:10000:       # 密码无，直接回车即可
Connected to: Apache Hive (version 2.3.9)
Driver: Hive JDBC (version 2.3.9)
Transaction isolation: TRANSACTION_REPEATABLE_READ
0: jdbc:hive2://hadoop-master:10000> show databases;
+----------------+
| database_name  |
+----------------+
| default        |
| testdb         |
+----------------+
2 rows selected (0.812 seconds)
0: jdbc:hive2://hadoop-master:10000>
0: jdbc:hive2://hadoop-master:10000> 
0: jdbc:hive2://hadoop-master:10000> !quit   # 退出
Closing: 0: jdbc:hive2://hadoop-master:10000

6.5 安全鉴权

上节中为了快速验证，使用root免密码直接登录，这样在生产环境是不安全的。本节主要介绍下如何进行用户密码登录。
(待补充)

7 Hive内置服务

执行bin/hive --service help 如下：

root@hadoop-master:~# hive --service help
Usage ./hive  --service serviceName 
Service List: beeline cleardanglingscratchdir cli hbaseimport hbaseschematool help hiveburninclient hiveserver2 hplsql jar lineage llap llapdump llapstatus metastore metatool orcfiledump rcfilecat schemaTool version 
Parameters parsed:--auxpath : Auxiliary jars --config : Hive configuration directory--service : Starts specific service/component. cli is default
Parameters used:HADOOP_HOME or HADOOP_PREFIX : Hadoop install directoryHIVE_OPT : Hive options
For help on a particular service:./hive --service serviceName --help
Debug help:  ./hive --debug --help
root@hadoop-master:~#

我们可以看到上边输出项Server List，里边显示出Hive支持的服务列表，beeline cli help hiveserver2 hwi jar lineage metastore metatool orcfiledump rcfilecat 等。

下面介绍最有用的一些服务
1、cli：是Command Line Interface 的缩写，是Hive的命令行界面，用的比较多，是默认服务，直接可以在命令行里使用

2、hiveserver：这个可以让Hive以提供Thrift服务的服务器形式来运行，可以允许许多个不同语言编写的客户端进行通信，使用需要启动HiveServer服务以和客户端联系，我们可以通过设置HIVE_PORT环境变量来设置服务器所监听的端口，在默认情况下，端口号为10000，这个可以通过以下方式来启动Hiverserver：

bin/hive --service hiveserver -p 10002

其中-p参数也是用来指定监听端口的

3、hwi：其实就是hive web interface的缩写它是hive的web借口，是hive cli的一个web替代方案

4、jar：与hadoop jar等价的Hive接口，这是运行类路径中同时包含Hadoop 和Hive类的Java应用程序的简便方式

5、metastore：在默认的情况下，metastore和hive服务运行在同一个进程中，使用这个服务，可以让metastore作为一个单独的进程运行，我们可以通过METASTOE——PORT来指定监听的端口号

7.1 hiveserver

新版中此服务已经被移除，这里还是讲解下hiveServer/HiveServer2的区别。

两者都允许远程客户端使用多种编程语言，通过HiveServer或者HiveServer2，客户端可以在不启动CLI的情况下对Hive中的数据进行操作，连这个和都允许远程客户端使用多种编程语言如java，python等向hive提交请求，取回结果（从hive0.15起就不再支持hiveserver了）。

HiveServer或者HiveServer2都是基于Thrift的，但HiveSever有时被称为Thrift server，而HiveServer2却不会。既然已经存在HiveServer，为什么还需要HiveServer2呢？这是因为HiveServer不能处理多于一个客户端的并发请求，这是由于HiveServer使用的Thrift接口所导致的限制，不能通过修改HiveServer的代码修正。因此在Hive-0.11.0版本中重写了HiveServer代码得到了HiveServer2，进而解决了该问题。HiveServer2支持多客户端的并发和认证，为开放API客户端如JDBC、ODBC提供更好的支持。

7.2 hwi

Hive 2.0 以后才支持Web UI的 bin/hive –service hwi （& 表示后台运行） 　　　　

用于通过浏览器来访问hive，感觉没多大用途，浏览器访问地址是：127.0.0.1:9999/hwi

7.3 cli

Hive 命令行模式

进入hive安装目录，输入bin/hive的执行程序，或者输入hive –service cli，用于linux平台命令行查询，查询语句基本跟mysql查询语句类似