Hive 和 HBase 的快速入门
jopen
11年前
即使是有一些正式的文档,构建以HBase为后端的Hive仍然是多少需要一些技巧的。希望这份手册能让你入门快一些。本文假定你已经安装好HBase,如果没有,参考我写的另一篇文章 HBase 快速入门。
注: 这些方法是用于开发环境的,例如,其中并没有用到HDFS。关于产品部署的完整手册,参考 CDH4 指南。
Linux
sudo apt-get install hive # 创建Hive的默认数据存储目录 sudo mkdir -p /user/hive/warehouse sudo chown -R myusername:myusername /user/hive/warehouse/ # copy HBase JARs into the Hive lib sudo cp /usr/share/hbase/hbase-0.92.1.jar /usr/lib/hive/lib sudo cp /usr/share/hadoop-zookeeper/zookeeper-3.4.3.jar /usr/lib/hive/lib
OSX
brew install hive
连接到HBase
现在你可以使用hive命令启动hive,在后端的HBase上创建一张表。例子中的表名为test,有一个叫values的整数的列簇(Cloumn Family)。注意对表的删除/创建只会影响Hive的元数据;并没有真正在HBase生效。
DROP TABLE IF EXISTS test; CREATE EXTERNAL TABLE test(key string, values map<string, int>) STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler' WITH SERDEPROPERTIES ( "hbase.columns.mapping" = ":key,values:" ) TBLPROPERTIES ( "hbase.table.name" = "test" ); SELECT * FROM test; >c4ca4-0000001-79879483-000000000124-000000000000000000000000000025607621 {'comments':0, 'likes':0} >c4ca4-0000001-79879483-000000000124-000000000000000000000000000025607622 {'comments':0, 'likes':0}
简单的Map Reduce例子
假设表中有上面给出的裸数据,下面是一个使用GROUP/SUM的map reduce例子,用来汇总values列簇的不同列。这个例子创建了一个view,用于划分并处理HBase的rowkey。你可以用INSERT OVERWRITE语句将结果写回到Hbase。
CREATE VIEW test_view AS SELECT substr(key, 0, 36) as org_date_asset_prefix, split(key, '-')[2] as inverse_date_str, stats['comments'] as comments, stats['likes'] as likes FROM test; SELECT org_date_asset_prefix, map( 'comments', SUM(comments), 'likes', SUM(likes) ) as stats FROM test_view GROUP BY org_date_asset_prefix;
Thrift REST API
如果你想用thrift连接Hive,你可以用hive --service hiveserver启动thrift服务。Hiver 是一个不错的Python API的轻量级包装。
import hiver client = hiver.connect(host, port) client.execute('SHOW TABLES') rows = client.fetchAll()