HBase是一种分布式、面向列的NoSQL数据库，基于HDFS存储，以表的形式存储数据，表由行和列组成，列划分到列族中。HBase不提供类SQL查询语言，要想像SQL这样查询数据，可以使用Phonix，让SQL查询转换成hbase的扫描和对应的操作，也可以使用现在说讲Hive仓库工具，让HBase作为Hive存储。
Hive是运行在Hadoop之上的数据仓库，将结构化的数据文件映射为一张数据库表，提供简单类SQL查询语言，称为HQL，并将SQL语句转换成MapReduce任务运算。有利于利用SQL语言查询、分析数据，适于处理不频繁变动的数据。Hive底层可以是HBase或者HDFS存储的文件。
两者都是基于Hadoop上不同的技术，相互结合使用，可处理企业中不同类型的业务，利用Hive处理非结构化离线分析统计，利用HBase处理在线查询。
Hive三种元数据存储方式：
1>.本地derby存储，只允许一个用户连接Hive，适用于测试环境
2>.本地/远程MySQL存储，支持多用户连接Hive，适用于生产环境
三、Hive安装与配置（以下将元数据存储到远程MySQL配置）
1.在MySQL创建Hive元数据存放库和连接用户
| 1 2 3 | mysql> create database hive; mysql> grant all on *.* to 'hive' @ '%' identified by 'hive' ; mysql> flush privileges; |
2.安装与配置Hive（在HMaster0安装）
| 1 2 | # tar zxvf apache-hive-1.2.0-bin.tar.gz # mv apache-hive-1.2.0-bin /opt |
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 | # vi hive-site.xml <configuration> <!--以下是MySQL连接信息--> <property> <name>javax.jdo.option.ConnectionURL< /name > <value>jdbc:mysql: //192 .168.18.210:3306 /hive ?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_user< /value > < /property > <property> <name>javax.jdo.option.ConnectionPassword< /name > <value>hive_pass< /value > < /property > < /configuration > |
3.配置系统变量
| 1 2 3 4 5 | # vi /etc/profile HIVE_HOME= /opt/apache-hive-1 .2.0-bin PATH=$PATH:$HIVE_HOME /bin export HIVE_HOME PATH # source /etc/profile |
4.启动Hive
| 1 | # hive --service metastore & #启动远程模式，否则你只能在本地登录 |
5.检查是否正常启动
查看进程是否启动：
| 1 2 3 4 5 6 7 | [root@HMaster0 ~] # jps 2615 DFSZKFailoverController 30027 ResourceManager 29656 NameNode 25451 Jps 10270 HMaster 14975 RunJar #会启动一个RunJar进程 |
执行hive命令会进入命令界面：
| 1 2 3 4 5 6 | [root@HMaster0 ~] # hive Logging initialized usingconfiguration in file : /opt/apache-hive-1 .2.0-bin /conf/hive-log4j .properties hive> show databases; OK default Time taken: 0.986 seconds,Fetched: 1 row(s) |
查看数据库，默认有一个default库，现在就可以用你熟悉的SQL语言了。
6.客户端连接Hive（必须有Hadoop环境）
| 1 2 | # tar zxvf apache-hive-1.2.0-bin.tar.gz # mv apache-hive-1.2.0-bin /opt |
| 1 2 3 4 5 6 7 8 | # vi hive-site.xml <configuration> <!--通过thrift方式连接hive--> <property> <name>hive.metastore.uris< /name > <value>thrift: //192 .168.18.215:9083< /value > < /property > < /configuration > |
配置好连接信息，连接命令行：
| 1 | # /opt/apache-hive-1.2.0-bin/bin/hive |
7．Hive常用SQL命令
7.1 先创建一个测试库
| 1 | hive> create database test ; |
7.2 创建tb1表，并指定字段分隔符为tab键（否则会插入NULL）
| 1 | hive> create table tb1( id int,name string)row format delimited fields terminated by '\t' |
如果想再创建一个表，而且表结构和tb1一样，可以这样：
| 1 | hive> create table tb3 like tb1; |
查看下表结构：
| 1 2 3 4 5 | hive> describe tb3; OK id int name string Time taken: 0.091 seconds, Fetched: 2 row(s) |
7.3 从本地文件中导入数据到Hive表
先创建数据文件，键值要以tab键空格：
| 1 2 3 4 | # cat kv.txt 1 zhangsan 2 lisi 3 wangwu |
再导入数据：
| 1 | hive> load data local inpath '/root/kv.txt' overwrite into table tb1; |
7.4 从HDFS中导入数据到Hive表
| 1 2 3 4 5 | # hadoop fs -cat /kv.txt #查看hdfs中要导入的数据 1 zhangsan 2 lisi 3 wangwu hive> load data inpath '/kv.txt' overwrite into table tb1; |
7.5 查询是否导入成功
| 1 2 3 4 5 6 | hive> select * from tb1; OK 1 zhangsan 2 lisi 3 wangwu Time taken: 0.209 seconds,Fetched: 3 row(s) |
博客地址：http://lizhenliang.blog.51cto.com
上面是基本表的简单操作，为了提高处理性能，Hive引入了分区机制，那我们就了解分区表概念：
1>.分区表是在创建表时指定的分区空间
2>.一个表可以有一个或多个分区，意思把数据划分成块
3>.分区以字段的形式在表结构中，不存放实际数据内容
分区表优点：将表中数据根据条件分配到不同的分区中，缩小查询范围，提高检索速度和处理性能。
单分区表：
7.6 创建单分区表tb2（HDFS表目录下只有一级目录）：
| 1 | hive> create table tb2(idint,name string) partitioned by (dt string) row format delimited fieldsterminated by '\t' ; |
注：dt可以理解为分区名称。
7.7 从文件中把数据导入到Hive分区表，并定义分区信息
| 1 2 | hive> load data local inpath '/root/kv.txt' into table tb2 partition (dt= '2015-06-26' ); hive> load data local inpath '/root/kv.txt' into table tb2 partition (dt= '2015-06-27' ); |
7.8 查看表数据
| 1 2 3 4 5 6 7 8 9 | hive> select * from tb2; OK 1 zhangsan 2015-06-26 2 lisi 2015-06-26 3 wangwu 2015-06-26 1 zhangsan 2015-06-27 2 lisi 2015-06-27 3 wangwu 2015-06-27 Time taken: 0.223 seconds,Fetched: 6 row(s) |
7.9 查看HDFS仓库中表目录变化
| 1 2 3 4 5 | # hadoop fs -ls -R /user/hive/warehouse/test.db/tb2 drwxr-xr-x - root supergroup 0 2015-06-26 04:12 /user/hive/warehouse/test .db /tb2/dt =2015-06-26 -rwxr-xr-x 3 root supergroup 27 2015-06-26 04:12 /user/hive/warehouse/test .db /tb2/dt =2015-06-26 /kv .txt drwxr-xr-x - root supergroup 0 2015-06-26 04:15 /user/hive/warehouse/test .db /tb2/dt =2015-06-27 -rwxr-xr-x 3 root supergroup 27 2015-06-26 04:15 /user/hive/warehouse/test .db /tb2/dt =2015-06-27 /kv .txt |
可以看到tb2表导入的数据根据日期将数据划分到不同目录下。
多分区表：
7.10 创建多分区表tb3（HDFS表目录下有一级目录，一级目录下再有子级目录）
| 1 | hive> create table tb3(idint,name string) partitioned by (dt string,location string) row formatdelimited fields terminated by '\t' ; |
7.11 从文件中把数据导入到Hive分区表，并定义分区信息
| 1 2 | hive> load data local inpath '/root/kv.txt' into table tb3 partition (dt= '2015-06- 26' ,location= 'beijing' ); hive> load data local inpath '/root/kv.txt' into table tb3 partition (dt= '2015-06-27' ,location= 'shanghai' ); |
7.12 查看表数据
| 1 2 3 4 5 6 7 8 9 | hive> select * from tb3; OK 1 zhangsan 2015-06-26 beijing 2 lisi 2015-06-26 beijing 3 wangwu 2015-06-26 beijing 1 zhangsan 2015-06-26 shanghai 2 lisi 2015-06-26 shanghai 3 wangwu 2015-06-26 shanghai Time taken: 0.208 seconds,Fetched: 6 row(s) |
7.13 查看HDFS仓库中表目录变化
| 1 | <span style= "color:rgb(0,0,0);" > # hadoop fs -ls -R /user/hive/warehouse/test.db/tb3<br> drwxr-xr-x - root supergroup 0 2015-06-26 04:35/user/hive/warehouse/test.db/tb3/dt=2015-06-26<br> drwxr-xr-x - root supergroup 0 2015-06-26 04:35 /user/hive/warehouse/test.db/tb3/dt=2015-06-26/location=beijing<br> -rwxr-xr-x 3 root supergroup 27 2015-06-26 04:35/user/hive/warehouse/test.db/tb3/dt=2015-06-26/location=beijing/kv.txt<br> drwxr-xr-x - root supergroup 0 2015-06-26 04:45 /user/hive/warehouse/test.db/tb3/dt=2015-06-27<br> drwxr-xr-x - root supergroup 0 2015-06-26 04:45/user/hive/warehouse/test.db/tb3/dt=2015-06-27/location=shanghai<br> -rwxr-xr-x 3 root supergroup 27 2015-06-26 04:45/user/hive/warehouse/test.db/tb3/dt=2015-06-27/location=shanghai/kv.txt<br></span> |
可以看到表中一级dt分区目录下又分成了location分区。
7.14 查看表分区信息
| 1 | hive> show partitions tb2; |
7.15 根据分区查询数据
| 1 | hive> select name from tb3 where dt= '2015-06-27' ; |
7.16 重命名分区
| 1 | hive> alter table tb3 partition (dt= '2015-06-27' ,location= 'shanghai' ) rename to partition(dt= '20150627' ,location= 'shanghai' ); |
7.17 删除分区
| 1 | hive> alter table tb3 droppartition (dt= '2015-06-26' ,location= 'shanghai' ); |
7.18 模糊搜索表
| 1 | hive> show tables 'tb*' ; |
7.19 给表新添加一列
| 1 | hive> alter table tb1 addcolumns (commnet string); |
7.20 重命名表
| 1 | hive> alter table tb1 rename to new_tb1; |
7.21 删除表
| 1 | hive> drop table new_tb1; |
8.启动过程中遇到错误
报错1：
[ERROR]Terminal initialization failed; falling back to unsupported
java.lang.IncompatibleClassChangeError:Found class jline.Terminal, but interface was expected
解决方法，将hive/lib下jline包拷贝到hadoop/yarn/lib下：
| 1 2 | # cp /opt/apache-hive-1.2.0-bin/lib/jline-2.12.jar /opt/hadoop-2.6.0/share/hadoop/yarn/lib/ # rm /opt/hadoop-2.6.0/share/hadoop/yarn/lib/jline-0.9.94.jar |
报错2：
javax.jdo.JDOFatalInternalException:Error creating transactional connection factory
解决方法，在百度下载java连接MySQL包放到hive/lib下：
| 1 | # cp mysql-connector-java-5.1.10-bin.jar /opt/apache-hive-1.2.0-bin/lib |