一、 数据仓库

1． 数据仓库的基本概念

        简称DW，Data Houseware。专门存储数据，构建面向分析的集成化数据环境，主要职责是做数据分析以支持决策。

2.数据分析的特征：

        面向主题：数据分析有一定的范围，需要选择一定的主题进行分析

        集成性：集成各个其他方面关联的一些数据。比如分析订单购买人的情况，会涉及用户信息

        非易失性：数据分析主要是分析过去已经发生的数据，分析的数据都是确定的事实，不会再改变

        时变性：随着时间的发展，数据的形态也在发生变化，数据分析的手段也要进行相应的改变

3． 数据仓库与数据库区别 

        数据库：OLTP，联机事务处理；数据库主要的功能就是用来做事务处理，主要负责频繁的增删改查。

        数据仓库：OLAP(On-Line Analytical Processing)，联机的分析处理，不需要做事务的保证，主要职责就是针对某些主题的历史数据进行分析，支持管理决策。

        数据库的数据，允许增删改；数据仓库的数据，一般不建议不允许增删改；

4、数据仓库分层架构

        按照数据流入流出的过程，数据仓库架构可分为三层——源数据、数据仓库、数据应用。

        第一层：源数据层，又叫ODS，产生数据的地方

        第二层：数据仓库层，又叫DW，主要集中存储数据，面向主题进行分析

        第三步：数据应用层，又叫APP层，主要用于展示分析之后的数据结果

        数据在这三层之间的一个流动，称之为ETL的过程

        ETL：extrat（抽取），transform（转换），load（加载）

        数据从源数据层流向数据仓库层再流向APP层

        数据仓库分层的目的：使每一层职责更清晰 

5、数据仓库元数据管理

        元数据（Meta Date），定义数据架构，数据的位置，数据的信息，记录的是数据仓库当中的数据如何进行处理的一整套的过程

二、Hive基本概念

1.什么是Hive

         HIve是基于hadoop的一个数据仓库的处理工具，专门用于数据仓库的数据分析。它将结构化的数据映射成为一张数据库表，并提供类SQL查询功能。本质是将SQL语句转换为MapReduce的任务进行执行。

2.Hive当中的元数据信息

        主要描述了Hive表与HDFS的数据之间的映射关系，包括字段的映射，数据位置的保存。一般都保存在MySQL或者oracle里面等等。数据的存储：用的是HDFS;数据的计算：用的是MapReduce。

3.Hive架构

        用户接口：包括CLI、JDBC/ODBC、WebGUI。其中，CLI(command line interface)为shell命令行；JDBC/ODBC是Hive的JAVA实现，与传统数据库JDBC类似；WebGUI是通过浏览器访问Hive。

        元数据存储：通常是存储在关系数据库如mysql/derby中。Hive 将元数据存储在数据库中。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。

        解释器、编译器、优化器、执行器: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与Hadoop的关系

        Hive利用HDFS存储数据，利用MapReduce查询分析数据

三.HIVE的安装部署 

• 1.解压hive

cd /opt/software
tar -zxvf hive-1.1.0-cdh5.14.0.tar.gz -C ../module/

2.直接启动  bin/hive

cd ../module/
cd hive-1.1.0-cdh5.14.0/
bin/hive

3.Linux-MySQL安装

        1.新建文件夹/opt/mysql，并cd进去

       2.运行wget http://dev.mysql.com/get/mysql-5.7.26-1.el7.x86_64.rpm-bundle.tar，下载mysql安装包

        PS：centos7.6自带的类mysql数据库是mariadb，会跟mysql冲突，要先删除。

        3.运行tar -xvf mysql-5.7.26-1.el7.x86_64.rpm-bundle.tar

        4.运行rpm -qa|grep mari，查询mariadb相关安装包

        5.运行rpm -e --nodeps mariadb-libs，卸载

        6.然后开始真正安装mysql，依次运行以下几条

                rpm -ivh mysql-community-common-5.7.26-1.el7.x86_64.rpm

                rpm -ivh mysql-community-libs-5.7.26-1.el7.x86_64.rpm

                rpm -ivh mysql-community-client-5.7.26-1.el7.x86_64.rpm

                rpm -ivh mysql-community-server-5.7.26-1.el7.x86_64.rpm

       7. 运行systemctl start mysqld.service，启动mysql

       8.然后开始设置root用户密码

       Mysql自动给root用户设置随机密码，运行grep "password" /var/log/mysqld.log可看到当前密码

        9.运行mysql -u root  -p，用root用户登录，提示输入密码可用上述的，可以成功登陆进入mysql命令行

        10.设置root密码，对于个人开发环境，如果要设比较简单的密码（生产环境服务器要设复杂密码），可以运行set global validate_password_policy=0;提示密码设置策略（validate_password_policy默认值1，）

        11.set password for 'root'@'localhost' =password('12345678');

        12.授权MySQL允许远程连接

                grant all privileges on *.* to 'root'@'%' identified by '123456' with grant option;

        13.运行flush privileges;使密码设置生效

4.修改hive的配置文件

• 修改hive-env.sh 

cd  /opt/module/hive-1.1.0-cdh5.14.0/conf
cp hive-env.sh.template hive-env.sh
vim hive-env.sh

HADOOP_HOME=/opt/module/hadoop-2.6.0-cdh5.14.0

# Hive Configuration Directory can be controlled by:

export HIVE_CONF_DIR=/opt/module/hive-1.1.0-cdh5.14.0/conf

•  修改hive-site.xml

cd /opt/module/hive-1.1.0-cdh5.14.0/conf
vim hive-site.xml

<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
        <property>
                <name>javax.jdo.option.ConnectionURL</name>
                <value>jdbc:mysql://hadoop104:3306/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>root</value>
        </property>
        <!--连接数据库的密码-->
        <property>
                <name>javax.jdo.option.ConnectionPassword</name>
                <value>12345678</value>
        </property>
        <property>
                <name>hive.cli.print.current.db</name>
                <value>true</value>
        </property>
        <property>
                <name>hive.cli.print.header</name>
                <value>true</value>
        </property>
        <property>
                <name>hive.server2.thrift.bind.host</name>
                <value>node03.hadoop.com</value>
        </property>
<!--
        <property>
                <name>hive.metastore.uris</name>
                <value>thrift://node03.hadoop.com:9083</value>
        </property>
-->
</configuration>

•  上传MySQL的lib驱动包

        将mysql的lib驱动包上传到hive的lib目录下

cd /opt/module/hive-1.1.0-cdh5.14.0/lib

        将mysql-connector-java-5.1.38.jar 上传到这个目录下

四.使用方式

第一种交互方式：Hive交互shell

cd /opt/module/hive-1.1.0-cdh5.14.0

bin/hive

查看所有的数据库

hive (default)> show databases;

创建一个数据库

hive (default)> create database myhive;

使用该数据库并创建数据库表

hive (default)> use myhive;

hive (myhive)> create table test(id int,name string);

第二种交互方式：Hive JDBC服务

启动hiveserver2服务

• 前台启动

  cd  /opt/module/hive-1.1.0-cdh5.14.0
  bin/hive --service hiveserver2
  

• 后台启动

  cd  /opt/module/hive-1.1.0-cdh5.14.0
  nohup bin/hive --service hiveserver2>&1  &
  

• beeline连接hiveserver2

  bin/beeline
  beeline> !connect jdbc:hive2://hadoop103:10000
  

  第三种交互方式：Hive命令

  使用 –e  参数来直接执行hql的语句

  bin/hive -e "use myhive;select * from test;"

  使用 –f  参数通过指定文本文件来执行hql的语句

  vim hive.sql
  
  use myhive;select * from test;
  
  bin/hive -f hive.sql