Hive HBase 整合

jopen 10年前

环境说明：

l  hadoop：2.4.0

l  Zookeeper：3.4.6

l  Hbase：0.96

l  Hive：0.13.1

 

1.  Hive整合HBase原理

Hive与HBase整合的实现是利用两者本身对外的API接口互相进行通信，相互通信主要是依靠Hive安装包\apache-hive-0.13.1-bin\lib\hive-hbase-handler-0.9.0.jar工具类，它负责Hbase和Hive进行通信的。

Hive和HBase通信原理如下图：

Hive HBase 整合

2.  Hive的安装

Step01：上传apache-hive-0.13.1-bin到Linux目录下

说明：

  1. 这里使用的是最新版本稳定版，下载：http://mirrors.hust.edu.cn/apache/hive/

  2. 使用远程ftp工具上传到Linux下的 /yf/home/software目录下

Step02：解压到安装目录下：

    cd /home/yf/software

       #切换到root用户：

    su

    password

       #创建目录

    mkdir -p /usr/share/hive

       #解压到安装目录

    tar -zxvf apache-hive-0.13.1-bin.tar.gz -C /usr/share/hive

       #更改用户

    chown -R yf:yf /usr/share/hive

       #切换回来

    su yf

    cd /usr/share/hive

    ll

      

Step03：配置环境变量

su do vi /etc/profile

编辑如下:

Hive HBase 整合

# 使之生效

source /etc/profile

Step04：拷贝jar包

#删除$HIVA_HOME/lib目录下的的Zookeeper的jar包

rm -rf $HIVE_HOME/lib/zookeeper*

 

#拷贝生产环境下的Zookeeper的jar包到$HIVA_HOME/lib目录下

cp $ZOOKEEPER_HOME/zookeeper-3.4.6.jar $HIVA_HOME/lib

 

Step05：修改$HIVE_HOME/conf/hive-site.xml

cd $HIVE_HOME/conf

 

#复制一份出来

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

 

#修改hive-site.xml

vi hive-site.mxl

由于文件内容比较多，需要进行查找，查找方式很简单，在命令行模式下输入 ‘/’ 后面跟上需要查找的文本即可找到，如：   / hive.querylog.location

  hive.querylog.location

  /usr/share/hive/logs

记得创建logs目录：

mkdir $HIVE_HOME/logs

 

#修改hive.zookeeper.quorum的值：

  hive.zookeeper.quorum

  yf001,yf002,yf003,yf004,yf005,yf006,yf007

 

Step06：在目录$HIVE_HOME/bin目录下面，修改文件hive-config.sh

#在最后面增加以下内容：

export JAVA_HOME=/usr/lib/jvm/java7

export HIVE_HOME=/usr/share/hive

export HADOOP_HOME=/usr/share/hadoop/static

 

Step07：修改$HADOOP_HOME/conf/hadoop-env.sh

#增加HADOOP_CLASSPATH

export HADOOP_CLASSPATH=.:$CLASSPATH:$HADOOP_CLASSPATH:$HADOOP_HOME/bin

#记得修改完成以后，要将修改后的文件同步拷贝到其他的节点。

注：如果hadoop-env.sh中没有增加HADOOP_CLASSPATH的话会报下面的错误：

java.lang.NoClassDefFoundError: org/apache/hadoop/hive/ql/CommandNeedRetryException

 

Step07：验证

#在命令行中输入hive

yf@yf007:/usr/share/hive/conf$ hive

14/10/29 11:18:16 WARN conf.HiveConf: DEPRECATED: hive.metastore.ds.retry.* no longer has any effect.  Use hive.hmshandler.retry.* instead

 

Logging initialized using configuration in jar:file:/usr/share/hive/lib/hive-common-0.13.1.jar!/hive-log4j.properties

#查看当前数据库

hive> show databases;

OK

default

Time taken: 0.03 seconds, Fetched: 1 row(s)

Step08：创建表

hive> use default;

hive> create table student(id string, name string);

创建好表以后，会在hdfs文件系统上产生一个/user/hive/warehouse/student的目录，至此，Hive就安装好了。

3.修改存储引擎为MySQL

为什么要修改存储引擎？

1. metastore是hive元数据的集中存放地。metastore默认使用内嵌的derby数据库作为存储引擎。

2. Derby引擎的缺点：一次只能打开一个会话

3. 使用Mysql作为外置存储引擎，多用户同时访问

 

Step01：安装MySQL

我采用在线安装的方式，机器为Ubuntu。

# 安装server

sudo apt-get install mysql-server

中间会提示输入root用户密码

# 安装client

sudo apt-get install mysql-client

Step02：启动MySQL服务

mysqld_safe &

Step03：登录数据库

mysql –root –p1234

# 创建数据库

create database hive;

# 为yf用户授权，可以对hive数据库下的所有内容执行任意操作，在任意位置，root验证密码是admin

mysql> GRANT all ON hive.* TO yf@'%' IDENTIFIED BY 'admin';

mysql> flush privileges;        --刷新权限表

 

Step04：上传mysql-connector-java-5.1.20-bin.jar到$HIVE_HOME/lib目录下

Step05：修改hive的数据库配置信息，修改hive-site.xml文件，修改如下：

     hive.metastore.warehouse.dir

     /hive

     location of default database for the warehouse

4.启动Hive

# 以集群的方式启动

hive --auxpath /usr/share/hive/lib/hive-hbase-handler-0.9.0.jar,/usr/share/hive/lib/zookeeper-3.4.6.jar -hiveconf hbase.master=yfV007:60000

 

5.创建Hive外部表关联HBase表

说明：现在已存在一张HBase表’bidask_quote’，现在要创建一张hive的外部表，关联到hbase的表，语句如下：

hive> CREATE EXTERNAL TABLE bidask_quote_hive(key string,ProdCode string,ProdName string,TradingDay string,ExchangeID string,ExchangeInstID string,LastPrice string,PreSettlementPrice string,PreClosePrice string)

STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'

WITH SERDEPROPERTIES ("hbase.columns.mapping" = "info:ProdCode,info:ProdName,info:TradingDay,info:ExchangeID,info:ExchangeInstID,info:LastPrice,info:PreSettlementPrice,info:PreClosePrice ")

TBLPROPERTIES("hbase.table.name" = "bidask_quote"); 

说明：

    * bidask_quote_hive是hive的biao

    * "hbase.table.name" = "bidask_quote"是hbase中已经存在的表

    * bidask_quote_hive(key string,ProdCode string,string,ProdName string,....)是hive表的结构

    * "hbase.columns.mapping" = "info:ProdCode,info:ProdName,info:TradingDay,...)是HBase中的列信息，这里现在只有一个列蔟。

 

现在来看一下是否创建成功：

hive> show tables;

 

如果存在我们创建的bidask_quote_hive表，就查询几条数据试试吧

hive> select * from bidask_quote_hive limit 3;

 

 

 

后续还有关于Hive API的操作。

 

 

 

 

 

遇到的错误

错误1：

yf@yf007:/usr/share/hive/bin$ ./hive

Exception in thread "main" java.lang.NoClassDefFoundError: org/apache/hadoop/hive/ql/CommandNeedRetryException

        at java.lang.Class.forName0(Native Method)

        at java.lang.Class.forName(Class.java:270)

        at org.apache.hadoop.util.RunJar.main(RunJar.java:205)

Caused by: java.lang.ClassNotFoundException: org.apache.hadoop.hive.ql.CommandNeedRetryException

        at java.net.URLClassLoader$1.run(URLClassLoader.java:366)

        at java.net.URLClassLoader$1.run(URLClassLoader.java:355)

        at java.security.AccessController.doPrivileged(Native Method)

        at java.net.URLClassLoader.findClass(URLClassLoader.java:354)

        at java.lang.ClassLoader.loadClass(ClassLoader.java:425)

        at java.lang.ClassLoader.loadClass(ClassLoader.java:358)

        ... 3 more

解决办法：

/usr/share/hadoop/etc/hadoop/hadoop-env.sh里面被增加了HADOOP_CLASSPATH.

设置如下：

export HADOOP_CLASSPATH=$HBASE_HOME/hbase/hbase-0.20.3.jar:$HABSE_HOME/hbase-config:$ZOOKEEPER/zookeeper-3.2.2.jar

将其修改为：

export HADOOP_CLASSPATH=.:$CLASSPATH:$HADOOP_CLASSPATH:$HADOOP_HOME/bin

来自：http://my.oschina.net/AlbertHa/blog/338556