Hive中表和分区的所有元数据都存储在Hive的元存储(Metastore)中。元数据使用JPOX(Java Persistent Objects)对象关系映射解决方案进行持久化,所以任何被JPOX支持的存储都可以被Hive使用。大多数商业关系型数据库和许多开源的数据存储都被支持,所以就可以被Hive使用存储元数据。Hive支持三种不同的元存储服务器,分别为:内嵌式元存储、本地元存储、远程元存储,每种存储方式使用不同的配置参数,相关的配置参数如下表所示:
配置参数 |
描述 |
javax.jdo.option.ConnectionURL |
包含元数据的数据存储的JDBC连接字符串。默认值为jdbc:derby:;databaseName=metastore_db;create=true。 |
javax.jdo.option.ConnectionDriverName |
包含元数据的数据存储的JDBC驱动类名称。默认值为org.apache.derby.jdbc.EmbeddedDriver。 |
hive.metastore.uris |
Hive连接到该URI请求远程元存储的元数据。默认值为空。 |
hive.metastore.local |
本地或者远程数据存储 (Hive-0.10已经不再使用该参数: 如果 |
hive.metastore.warehouse.dir |
本地表的默认位置,默认值为/user/hive/warehouse。 |
hive.metastore.metadb.dir |
|
hive.metastore.rawstore.impl |
实现org.apache.hadoop.hive.metastore.rawstore接口的类,该类用于存储和检索行元数据对象,如表、数据库。 |
hive.metastore.ds.connection.url.hook |
提取JDO连接URL的钩子名称,若为空,则使用javax.jdo.option.ConnectionURL中的值。 |
hive.metastore.server.min.threads |
Thrift服务器池中工作线程的最小数量,默认值为200。 |
hive.metastore.server.max.threads |
Thrift 服务器池中工作线程的最大数量,默认值为10000。 |
hive.hmshandler.retry.attempts |
在JDO数据存储出现错误后尝试连接的次数默认值为1。 |
hive.hmshandler.retry.interval |
尝试间隔的毫秒数,默认值为1000。 |
前面提到Hive支持三种元存储方式,默认方式为内嵌式元存储。下面分别对三种存储方式如何配置进行学习。
内嵌式元存储
内嵌式元存储主要用于单元测试,在该模式下每次只有一个进程可以连接到元存储,Derby是内嵌式元存储的默认数据库。内嵌式元存储的配置如下:
配置参数 |
值 |
描述 |
javax.jdo.option.ConnectionURL |
jdbc:derby:;databaseName=metastore_db;create=true |
包含元数据的数据存储的JDBC连接字符串。 |
javax.jdo.option.ConnectionDriverName |
org.apache.derby.jdbc.EmbeddedDriver |
JDBC驱动类。 |
hive.metastore.warehouse.dir |
/user/hive/warehouse |
本地表的默认位置。 |
hive.metastore.uris |
空值 |
内嵌式也是本地模式,所以为空值。 |
本地元存储
在本地模式下,每个Hive客户端都会打开到数据存储的连接并在该连接上请求SQL查询。下表展示了如何在MySQL数据库服务器中建立元存储,确保在Hive查询被执行的机器上是可以访问该数据库服务器的,同时确保JDBC类库在Hive客户端的类路径中。
配置参数 |
值 |
描述 |
javax.jdo.option.ConnectionURL |
jdbc:mysql://<host name>/<database name>?createDatabaseIfNotExist=true |
元数据存储在MySQL数据库中。 |
javax.jdo.option.ConnectionDriverName |
com.mysql.jdbc.Driver |
MySQL JDBC驱动类。 |
javax.jdo.option.ConnectionUserName |
<user name> |
连接MySQL的用户名。 |
javax.jdo.option.ConnectionPassword |
<password> |
连接MySQL的密码。 |
hive.metastore.uris |
空值 |
本地模式下为空值。 |
hive.metastore.warehouse.dir |
/user/hive/warehouse |
Hive表的默认位置。 |
远程元存储
在远程模式下,所有的Hive客户端都将打开一个到元数据服务器的连接,该服务器依次查询元数据。元数据服务器和客户端之间使用Thrift协议通信,从Hive-0.5.0开始,可以执行下面的命令启动Thrift服务器:
hive--service metastore
下面以MySQL为例,分别学习服务器端和客户端的配置,服务器端的配置如下表所示:
配置参数 |
值 |
描述 |
javax.jdo.option.ConnectionURL |
jdbc:mysql://<host name>/<database name>?createDatabaseIfNotExist=true |
元数据存储在MySQL数据库中。 |
javax.jdo.option.ConnectionDriverName |
com.mysql.jdbc.Driver |
MySQL JDBC驱动类。 |
javax.jdo.option.ConnectionUserName |
<user name> |
连接MySQL的用户名。 |
javax.jdo.option.ConnectionPassword |
<password> |
连接MySQL的密码。 |
hive.metastore.warehouse.dir |
/user/hive/warehouse |
Hive表的默认位置。 |
客户端的配置为:
配置参数 |
值 |
描述 |
hive.metastore.uris |
thrift://<host_name>:<port> |
Thrift元存储服务器的主机和端口号。 |
hive.metastore.warehouse.dir |
/user/hive/warehouse |
Hive表的默认位置。 |
在启动客户端和元存储服务器之前需要将JDBC驱动类库放到$HIVE_HOME/lib目录下。
Hive中metastore(元数据存储)的三种方式:
- 内嵌Derby方式
- Local方式
- Remote方式
[一]、内嵌Derby方式
这个是Hive默认的启动模式,一般用于单元测试,这种存储方式有一个缺点:在同一时间只能有一个进程连接使用数据库。
hive-site.xml 中jdbc URL、驱动、用户名、密码等的配置信息如下:
执行初始化命令:schematool -dbType derby -initSchema
查看初始化后的信息: schematool -dbType derby -info
配置完成后就可在shell中以CLI的方式访问hive 进行操作验证。
[二]、Local方式
以本地Mysql数据库为例:创建好用户:hive;database:hive。
配置文件 hive-site.xml 中jdbc URL、驱动、用户名、密码等属性值配置如下:
ps:需要把mysql的驱动包copy到目录 <HIVE_HOME>/lib 中
如果是第一次需要执行初始化命令:schematool -dbType mysql -initSchema
查看初始化后信息 schematool -dbType mysql -info
初始化后查看mysql中表情况:show tables;
配置完成后就可在shell中以CLI的方式访问hive 进行操作验证。
[三]、Remote方式
以Mysql数据库(192.168.6.77)为例:创建好用户:hive;database:hive_meta。Remote方式需要分别配置服务端和客户端的配置文件:
服务端的 hive-site.xml 中jdbc URL、驱动、用户名、密码等属性值配置如下:
ps:需要把mysql的驱动包copy到目录 <HIVE_HOME>/lib 中
如果是第一次需要执行初始化命令:schematool -dbType mysql -initSchema
客户端中配置内容修改如下:
hive metastore 服务端启动命令:hive --service metastore -p <port_num>
如果不加端口默认启动:hive --service metastore
,则默认监听端口是:9083 ,注意客户端中的端口配置需要和启动监听的端口一致。服务端启动正常后,客户端就可以执行hive操作了。
hive中除了保存真正的数据以外还要额外保存用来描述库、表、数据的数据,称为hive的元数据。这些元数据又存放在何处呢?
如果不修改配置hive默认使用内置的derby数据库存储元数据。
derby是apache开发的基于java的文件型数据库。
可以检查之前执行命令的目录,会发现其中产生了一个metastore.db的文件,这就是derby产生的用来保存元数据的数据库文件。
derby数据库仅仅用来进行测试,真正使用时会有很多限制。
最明显的问题是不能支持并发。
经测试可以发现,在同一目录下使用无法同时开启hive,不同目录下可以同时开启hive但是会各自产生metastore.db文件造成数据无法共同访问。
所以真正生产环境中我们是不会使用默认的derby数据库保存hive的元数据的。
hive目前支持derby和mysql来存储元数据。
配置hive使用mysql保存元数据信息:
删除hdfs中的/user/hive
hadoop fs -rmr /user/hive
复制hive/conf/hive-default.xml.template为hive-site.xml
cp hive-default.xml.template hive-site.xml
在<configuration>中进行配置
<property>
<name>javax.jdo.option.ConnectionURL</name>
<value>jdbc:mysql://hadoop01:3306/hive?createDatabaseIfNotExist=true</value>
<description>JDBC connect string for a JDBC metastore</description>
</property>
<property>
<name>javax.jdo.option.ConnectionDriverName</name>
<value>com.mysql.jdbc.Driver</value>
<description>Driver class name for a JDBC metastore</description>
</property>
<property>
<name>javax.jdo.option.ConnectionUserName</name>
<value>root</value>
<description>username to use against metastore database</description>
</property>
<property>
<name>javax.jdo.option.ConnectionPassword</name>
<value>root</value>
<description>password to use against metastore database</description>
</property>
!!手动创建hive元数据库,注意此库必须是latin1,否则会出现奇怪问题!所以推荐手动创建!并且创建库之前不能有任意的hive操作,否则自动创建出来的库表将使用mysql默认的字符集,仍然报错!
!!另一种方法是修改mysql的配置文件,让mysql默认编码集就是latin1,这样hive自动创建的元数据库就是latin1的了,但是这已修改将会影响整个mysql数据库,如果mysql中有其他库,这种方式并不好。
create database hive character set latin1;
将mysql的连接jar包拷贝到$HIVE_HOME/lib目录下
如果出现没有权限的问题,在mysql授权(在安装mysql的机器上执行)
mysql -uroot -p
#(执行下面的语句 *.*:所有库下的所有表 %:任何IP地址或主机都可以连接)
GRANT ALL PRIVILEGES ON *.* TO 'root'@'%' IDENTIFIED BY 'root' WITH GRANT OPTION;
FLUSH PRIVILEGES;
再进入hive命令行,试着创建库表发现没有问题。
测试发现开启多个连接没有问题。
连接mysql,发现多了一个hive库。其中保存有hive的元数据。DBS-数据库的元数据信息,TBLS-表信息。COLUMNS_V2表中字段信息,SDS-表对应hdfs目录