data_lab

HIVE 테이블 관리

HIVE 테이블

1. 데이터를 HIVE 테이블로 가져오면?

HiveQL, 피그, 스파크 등을 활용하여 데이터를 처리 > 상호운영 보장

2. HIVE가 지원하는 테이블 종류

    - 내부 테이블 : HIVE가 관리, HIVE/ 데이터웨어하우스에 저장, 내부테이블 삭제 시 메타정의와 데이터까지 삭제됨,

   ORC같은 형식으로 저장되어 비교적 빠른 성능

    - 외부 테이블 : 하이브가 직접 관리하지 않음,

   하이브의 메타정의만 사용하여 원시 형태로 저장된 텍스트 데이터에 접근

   외부 테이블의 데이터를 삭제해도 테이블 메타 정의만 삭제되고 데이터는 유지됨.

   해당 데이터가 하이브 외부에 적재 되어있거나 테이블이 삭제되더라도 원본 데이터가 남아 있어야할 때 사용

3.csv 파일을 하이브 테이블로 가져오기

  1.names.csv 을 HDFS에 복사

  2. hdfs dfs –mkdir names

  3. hdfs dfs –put names.csv names

  4. hive 실행 후 쿼리로 테이블 생성  location ‘/directory’ 구문은 테이블이 사용할 입력 파일의 경로이다.

  5. select * from ~ 데이터 확인하기

  6. stored as orc > 내부 테이블

  7. 데이터 형식 – 텍스트 파일, 시퀀스 파일(k-v쌍), RC 파일, ORC 형식, Parquet 형식

외부 테이블 생성

su – hdfs

hdfs dfs –mkdir /Smartcar

hdfs dfs –put /txtfile.txt /Smartcar

hdfs dfs –chown –R hive /Smartcar

hdfs dfs –chmod –R 777 /Smartcar

su – hive

hive

create external table (~) ~ location /Smartcar;

내부 테이블 생성

create table (~) ~ location /Smartcar;

외부 테이블의 데이터 내부 테이블로 복사

insert overwrite table SmartCar_in

select * from SmartCar_ex;

내부 테이블 디렉터리 생성확인

hdfs dfs –ls /Smartcar

/Smartcar/base_0000001/bucket_00000/bucket_00000

하이브는 SQL과 유사해서

기존에 SQL을 공부했다면 어렵지않다.

https://dlcdn.apache.org/hive/hive-3.1.2/

apache mirror 사이트에서 원하는 hive 버전의 binary 폴더를 다운받는다. 

사전작업 - Hadoop Path 설정 되어있어야함

export HADOOP_HOME=<hadoop-install-dir>

압축해제

wget https://dlcdn.apache.org/hive/hive-3.1.2/apache-hive-3.1.2-bin.tar.gz
tar xvzf apache-hive-3.1.2-bin.tar.gz

환경변수 설정

Hive 홈 환경변수를 설정해야한다.

.bash_prifile에서 수정하는 방식보단 /etc/profile.d/에 쉘 스크립트를 추가해줄것

vi /etc/profile.d/hive_home.sh

export HIVE_HOME=/opt/apache-hive-3.1.2-bin

export PATH=$PATH:$HIVE_HOME/bin

해당 파일 저장 후 한번 실행해준다.

chmod +x hive_home.sh
./hive_home.sh
source hive_home.sh

echo $HIVE_HOME

해당 명령어 결과로 정상적으로 반영되었는지 확인작업 필요하다.

Hadoop에 tmp, hive warehouse 디렉터리 생성

hadoop fs -mkdir       /tmp
hadoop fs -mkdir       /user/hive/warehouse
hadoop fs -chmod g+w   /tmp
hadoop fs -chmod g+w   /user/hive/warehouse

Hive CLI 실행

 $HIVE_HOME/bin/hive

 $HIVE_HOME/bin/schematool -dbType <db type> -initSchema

dbtype 은 기존에 설치되어있는 DB를 사용하려면 해당 부분에 mysql, oracle, postgres 를 입력하면 되고,

테스트를 위하면 derby라는 hive 내장 DB를 사용하면 된다.

HIVE Config 설정

cp /conf/hive-default.xml /conf/hive-site.xml

해당 템플릿을 hive-site로 복사

hive-site.xml 변경 - postgresql DB 사용시

<property>
    <name>javax.jdo.option.ConnectionURL</name>
    <value>jdbc:postgresql://mypostgresql.testabcd1111.us-west-2.rds.amazonaws.com:5432/mypgdb</value>
    <description>PostgreSQL JDBC driver connection URL</description>
  </property>

  <property>
    <name>javax.jdo.option.ConnectionDriverName</name>
    <value>org.postgresql.Driver</value>
    <description>PostgreSQL metastore driver class name</description>
  </property>

  <property>
    <name>javax.jdo.option.ConnectionUserName</name>
    <value>database_username</value>
    <description>the username for the DB instance</description>
  </property>

  <property>
    <name>javax.jdo.option.ConnectionPassword</name>
    <value>database_password</value>
    <description>the password for the DB instance</description>
  </property>

RDBMS

스키마에 의존성 강함 으로

작업이 진행 불가능한 경우가 있음

 - 스키마가 제대로 정의되어 있지않거나

 - 쿼리를 통한 질의가 스키마에 맞지 않을 경우

대용량 데이터 처리하는데 부적절함 – 많은 시간 소요됨

HIVE

데이터웨어 하우징 인프라

데이터 저장, 처리에 스키마 검증 없음

스키마에 맞지 않는 쿼리는 null 리턴

• SQL과 유사한 HiveQL 사용
• MapReduce 프로그램 작성 대신 쿼리 인터페이스 서비스 제공
• 쿼리 실행 시 MapReduce 프로그램으로 전환되어 결과 생성
• 비 정형화된 입력 소스 분석에는 적합하지 않음

HIVE Architecture

-HIVE Client

-JDBC 응용 프로그램 지원 ,

-Thrift 기반 응용 프로그램 지원(서로 커뮤니케이션 할 수 있는 통신 프로토콜),

-ODBC기반 응용 프로그램 지원

-HIVE Server

-HIVE 서버 

-CLI Command line interface : 유저가 HIVE 쿼리 사용할 수 있는 인터페이스

-Hive Web Interface : 유저가 HIVE 쿼리 사용할 수 있는 웹 인터페이스

-Driver : HIVE에 job이 왔을 때 생성하고 행동함, meta-store에 물어 봄

-meta-store : 메타데이터를 저장하고 있는 저장공간(테이블정보 등)

-Apache Derby Database  : 실제 테이블의 내용물인 데이터 저장할 수 있음(HDFS를 주로 사용함)

HIVE 데이터 모델

Hadoop 상에 구축된 정형화된 데이터를 관리하고 쿼리하는 시스템

스토리지로 HDFS사용함

OLTP에는 적합하지 않음

데이터 관리 방식

테이블에 해당 되는 요소를 HDFS 디렉토리로 맵핑

파티션 테이블 요소를 파티셔닝 할 수 있는데 HDFS 서브 디렉터리

데이터는 HDFS의 파일로 생각하자.

HIVE 메타스토어

테이블의 메타정보를 저장함

칼럼의 데이터 타입 등 실제 데이터가 아닌 정보들은 메타정보로 간주

하이브 테이블은 메타스토어에 저장된 스키마로 구성되고 데이터는 HDFS에 저장됨

하이브 쿼리 인터페이스

-하이브 클라이언트(예전)

  hive 입력

  하이브 동작 과정 1. 서버가 사용자의 HiveQL 명령어 해석하여 맵리듀스 작업으로 변환

  2. 메타스토어에서 테이블 구조와 데이터 위치를 얻음

  3. 실제 데이터 질의 전달

-beeline 클라이언트(최신)

하이브와 Hcatalog

-에코시스템이 메타스토어에 접근 할 수 있는 중간고리 역할

-메타스토어 관리

HIVE 테이블 관리

HIVE 테이블

1. 데이터를 HIVE 테이블로 가져오면?

HiveQL, 피그, 스파크 등을 활용하여 데이터를 처리 > 상호운영 보장

2. HIVE가 지원하는 테이블 종류

    - 내부 테이블 : HIVE가 관리, HIVE/ 데이터웨어하우스에 저장, 내부테이블 삭제 시 메타정의와 데이터까지 삭제됨,

   ORC같은 형식으로 저장되어 비교적 빠른 성능

    - 외부 테이블 : 하이브가 직접 관리하지 않음,

   하이브의 메타정의만 사용하여 원시 형태로 저장된 텍스트 데이터에 접근

   외부 테이블의 데이터를 삭제해도 테이블 메타 정의만 삭제되고 데이터는 유지됨.

   해당 데이터가 하이브 외부에 적재 되어있거나 테이블이 삭제되더라도 원본 데이터가 남아 있어야할 때 사용

3.csv 파일을 하이브 테이블로 가져오기

  1.names.csv 을 HDFS에 복사

  2. hdfs dfs –mkdir names

  3. hdfs dfs –put names.csv names

  4. hive 실행 후 쿼리로 테이블 생성  location ‘/directory’ 구문은 테이블이 사용할 입력 파일의 경로이다.

  5. select * from ~ 데이터 확인하기

  6. stored as orc > 내부 테이블

  7. 데이터 형식 – 텍스트 파일, 시퀀스 파일(k-v쌍), RC 파일, ORC 형식, Parquet 형식

외부 테이블 생성

su – hdfs

hdfs dfs –mkdir /Smartcar

hdfs dfs –put /txtfile.txt /Smartcar

hdfs dfs –chown –R hive /Smartcar

hdfs dfs –chmod –R 777 /Smartcar

su – hive

hive

create external table (~) ~ location /Smartcar;

내부 테이블 생성

create table (~) ~ location /Smartcar;

외부 테이블의 데이터 내부 테이블로 복사

insert overwrite table SmartCar_in

select * from SmartCar_ex;

내부 테이블 디렉터리 생성확인

hdfs dfs –ls /Smartcar

/Smartcar/base_0000001/bucket_00000/bucket_00000

하둡에 들어가기 앞서 빅데이터가 뭔지 알아보려 한다.

빅데이터란 ? 

기존의 데이터베이스 관리 도구 방법으로 처리할 수 없는 규모로 복잡한 데이터 구조를 가지고 있다.

기존의 데이터 베이스는 OLTP성으로 빠르고 정확하다.

빅데이터는 정확성에 초점을 두기보다는 대용량 데이터를 분산처리하는데에 초점을 두고 있다.

따라서 pk, update등 안되고 데이터를 새로 put해야 한다.

빅데이터 3V

• Volume 
  
  • 대규모의 크기를 가지고 있다. (기업마다 차이는 있지만 수십테라바이트부터 수십페타데이터 이상)
• Variety
  
  • 존재하는 데이터의 방식이 다양하다.
  • 정형   : 의미 파악하기 쉬우며 규칙적인 데이터
  • 반정형: HTML, XML,JSON 형태로 한 텍스트에 column, value 같이
  • 비정형:텍스트, 음성, 영상 등으로 규칙적이지 않은 데이터이다. 예시로 메신저로 주고 받은 내용, 통화내용 등이 있다.
• Velocity
  
  • 데이터 처리 속도가 빠르고 효율적이여야 한다

하둡 이란?

대량의 자료를 처리할 수 있는 큰 컴퓨터 클러스터에서 동작하는 분산 응용 프로그램을 지원한다.

왜 하둡?

라이선스 비용 들지 않음 > 저렴한 구축 비용

대규모 데이터 빠른 처리

데이터의 복제 본 저장하기 때문에 데이터 복구 가능하다.

HDFS + MapReduce 구조

Hadoop Data File System

하둡은 서버를 두개를 쓴다.(분산처리를 위하여 - 서버 과부화 방지, 데이터 안전하게 복사하여 저장하기위해)

서버를 이중화 하는 방법은 여러가지 방법이 있는데 간단하게 Master-Slave방식으로만 이해했다.

Master 서버에는 "네임노드"가 있다.

여기서, 네임노드란 데이터의 Meta Data를 가진다.

Meta Data - 데이터의 FSImage (namespace정보, data node간의 block 매핑 정보),

         Editslog (메타데이터 변경 정보)를 가짐

데이터노드 - 는 3-copy방식으로 master에 한 개, slave서버에 2개가 저장되어 있고 실제 파일이다.

​

HDFS의 쓰기

-APP에서 HDFS CLient에 데이터 쓰기 정보 요청함.

client가 name node에게 데이터 노드 주소 3개를 줌.

그중 가장 앞에 있는 데이터 노드 주소에 데이터를 3군데 분산하여 저장함

HDFS의 읽기

-App에서 HDFS Client에 데이터 읽기 정보 요청함.

client가 name node에게 메타정보를 요청하고

 master, slave서버의 데이터 노드 주소를 제공하여

그 중 가장 가까운 주소로 부터 데이터를 제공한다.

MapReduce

간단하게 말하면 대용량 파일 처리 시스템으로

Map과 Reduce가 있다

Map의 역할

원시데이터를 64MB로 자르고

split하여 key/value 쌍으로 임시적으로 나눈다.

임시적으로 나눔 >> 디스크 상

나눈 데이터를 메모리 버퍼상에서

 파티션 함수로 파티션영역으로 구분한다.

Reduce 역할

구분한 중간파일을 Reduce로 합쳐 key에 의해 sort되고 reduce 함수로 결과물을 디스크에 저장한다.