基于Ubuntu Hadoop的群集搭建Hive

共计 9668 个字符，预计需要花费 25 分钟才能阅读完成。

Hive 是 Hadoop 生态中的一个重要组成部分，主要用于数据仓库。前面的文章中我们已经搭建好了 Hadoop 的群集，下面我们在这个群集上再搭建 Hive 的群集。

在 Ubuntu 下面安装 MySQL 的 Server 很简单，只需要运行：

sudo apt-get install mysql-server

系统会把 MySQL 下载并安装好。这里我们可以把 MySQL 安装在 master 机器上。

安装后需要配置用户名密码和远程访问。

首先我们以 root 身份登录到 mysql 服务器：

sudo mysql -u root

然后修改 root 的密码，并允许 root 远程访问：

GRANT ALL PRIVILEGES ON *.* TO root@'%' IDENTIFIED BY "123456";

我们这里还可以为 hive 建立一个用户，而不是用 root 用户：

GRANT ALL PRIVILEGES ON *.* TO hive@'%' IDENTIFIED BY "hive";

运行完成后 quit 命令即可退出 mysql 的命令行模式。

默认情况下，MySQL 是只允许本机访问的，要允许远程机器访问需要修改配置文件

sudo vi /etc/mysql/mysql.conf.d/mysqld.cnf

找到 bind-address 的配置部分，然后改为：

bind-address = 0.0.0.0

保存，重启 mysql 服务

sudo service mysql restart

重启完成后，我们可以在 Windows 下，用 MySQL 的客户端连接 master 上的 MySQL 数据库，看是否能够远程访问。

首先我们到官方网站，找到 Hive 的下载地址。http://www.apache.org/dyn/closer.cgi/hive/ 会给出一个建议的网速快的下载地址。

然后在 master 服务器上，wget 下载 hive 的编译好的文件，我现在最新版是 Hive 2.1.1：

wget http://mirror.bit.edu.cn/apache/hive/hive-2.1.1/apache-hive-2.1.1-bin.tar.gz

下载完成后，解压这个压缩包

tar xf apache-hive-2.1.1-bin.tar.gz

按之前 Hadoop 的惯例，我们还是把 Hive 安装到 /usr/local 目录下吧，所以移动 Hive 文件：

sudo mv apache-hive-2.1.1-bin /usr/local/hive

2.2 配置环境变量

sudo vi /etc/profile

增加如下配置：

export HIVE_HOME=/usr/local/hive
export PATH=$PATH:$HIVE_HOME/bin
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib:/usr/local/hive/lib

2.3 配置 hive-env.sh

 所有 Hive 的配置是在 /usr/local/hive/conf 目录下，进入这个目录，我们需要先基于模板新建 hive-env.sh 文件：

cp hive-env.sh.template hive-env.sh
vi hive-env.sh

 指定 Hadoop 的路径，增加以下行：

HADOOP_HOME=/usr/local/hadoop

2.4 配置 hive-site.xml

cp hive-default.xml.template hive-site.xml
vi hive-site.xml

 首先增加 mysql 数据库的连接配置：

<property>
  <name>javax.jdo.option.ConnectionURL</name>
  <value>jdbc:mysql://master: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>hive</value>
  <description>username to use against metastore database</description>
</property>
<property>
  <name>javax.jdo.option.ConnectionPassword</name>
  <value>hive</value>
  <description>password to use against metastore database</description>
</property>

 然后需要修改临时文件夹的路径，找到以下 2 个配置，并改为正确的路径：

<property> 
 <name>hive.exec.local.scratchdir</name>
 <value>/home/hduser/iotmp</value>
 <description>Local scratch space for Hive jobs</description>
 </property>
 <property>
 <name>hive.downloaded.resources.dir</name>
 <value>/home/hduser/iotmp</value>
 <description>Temporary local directory for added resources in the remote file system.</description>
 </property>

这里因为我当前用户是 hduser，所以我在 hduser 的目录下创建一个 iotmp 文件夹，并授权：

mkdir -p /home/hduser/iotmp 
chmod -R 775 /home/hduser/iotmp

2.5 修改 hive-config.sh

 进入目录 /usr/local/hive/bin

vi hive-config.sh

 在该文件的最前面加入以下配置：

export JAVA_HOME=/usr/lib/jvm/java-8-openjdk-amd64 
export HADOOP_HOME=/usr/local/hadoop 
export HIVE_HOME=/usr/local/hive

2.6 下载 MySQL JDBC 驱动

去 MySQL 的官网，https://dev.mysql.com/downloads/connector/j/ 下载 JDBC 驱动到 master 服务器上。

wget https://dev.mysql.com/get/Downloads/Connector-J/mysql-connector-java-5.1.40.tar.gz

下载完后解压

tar xf mysql-connector-java-5.1.40.tar.gz

然后进入解压后的目录，把 jar 包复制到 Hive/lib 目录下面

cp mysql-connector-java-5.1.40-bin.jar /usr/local/hive/lib/

2.7 在 HDFS 中创建目录和设置权限

启动 Hadoop，在 Hadoop 中创建 Hive 需要用到的目录并设置好权限：

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

2.8 初始化 meta 数据库

 进入 /usr/local/hive/lib 目录，初始化 Hive 元数据对应的 MySQL 数据库：

schematool -initSchema -dbType mysql

3. 使用 Hive

 在命令行下，输入 hive 命令即可进入 Hive 的命令行模式。我们可以查看当前有哪些数据库，哪些表：

show databases;
show tables;

 关于 hive 命令下有哪些命令，具体介绍，可以参考官方文档：https://cwiki.apache.org/confluence/display/Hive/Home

 和普通的 SQL 创建表没有太大什么区别，主要是为了方便，我们设定用 \t 来分割每一行的数据。比如我们要创建一个用户表：

create table Users (ID int,Name String) ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t';

3.2 插入数据

 是 insert 语句可以插入单条数据：

insert into Users values(1,'Devin');

 如果要导入数据

 我们在 Ubuntu 下创建一个 name.txt 文件，然后编辑其中的内容，添加如下内容：

2 Edward
3 Mindy
4 Dave
5 Joseph
6 Leo

列直接我是用 Tab 隔开的。

如果想把这个 txt 文件导入 hive 的 Users 表，那么只需要在 hive 中执行：

LOAD DATA LOCAL INPATH '/home/hduser/names.txt' into table Users ;

3.3 查询数据

 仍然是 sql 语句：

select * from Users ;

 当然我们也可以跟条件的查询语句：

select * from Users where Name like 'D%';

3.4 增加一个字段

 比如我们要增加生日这个字段，那么语句为：

alter table Users add columns (BirthDate date);

3.5 查询表定义

 我们看看表的结构是否已经更改，查看 Users 表的定义：

desc Users;

3.6 其他

 另外还有重名了表，删除表等，基本也是 SQL 的语法：

alter table Users rename to Student;

 删除一个表中的所有数据：

truncate table Student;

【另外需要注意，Hive 不支持 update 和 delete 语句。似乎只有先 truncate 然后在重新 insert。】

Hive 编程指南 PDF 中文高清版 http://www.linuxidc.com/Linux/2015-01/111837.htm

基于 Hadoop 集群的 Hive 安装 http://www.linuxidc.com/Linux/2013-07/87952.htm

Hive 内表和外表的区别 http://www.linuxidc.com/Linux/2013-07/87313.htm

Hadoop + Hive + Map +reduce 集群安装部署 http://www.linuxidc.com/Linux/2013-07/86959.htm

Hive 本地独立模式安装 http://www.linuxidc.com/Linux/2013-06/86104.htm

Hive 学习之 WordCount 单词统计 http://www.linuxidc.com/Linux/2013-04/82874.htm

Hive 运行架构及配置部署 http://www.linuxidc.com/Linux/2014-08/105508.htm

Hive 的详细介绍 ：请点这里
Hive 的下载地址 ：请点这里

本文永久更新链接地址 ：http://www.linuxidc.com/Linux/2016-12/138699.htm