Hive安装与简单使用并集成SparkSQL

Hive环境搭建

1. hive下载：https://archive.cloudera.com/cdh5/cdh/5/hive-1.1.0-cdh5.7.0.tar.gz
   wget https://archive.cloudera.com/cdh5/cdh/5/hive-1.1.0-cdh5.7.0.tar.gz

2. 解压
   tar -zxvf hive-1.1.0-cdh5.7.0.tar.gz -C …/apps/

3. 系统环境变量（vim ~/.bash_profile）

	export HIVE_HOME=/root/apps/hive-1.1.0-cdh5.7.0
	export PATH=$HIVE_HOME/bin:$PATH
	source ~/.bash_profile

4. 配置

   4.1 $HIVE_HOME/conf/hive-env.sh 中导出

# 大家注意修改成自己的配置目录及版本
export JAVA_HOME=
export HADOOP_HOME=
export HIVE_CONF_DIR=hive/conf

4.2 拷贝mysql 驱动架包到$HIVE_HOME/lib



4.3 vim hive-site.xml

<?xml version="1.0"?>
    <?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
	<configuration>
		<property>
			<name>javax.jdo.option.ConnectionURL</name>
			<value>jdbc:mysql://spark003:3306/hive?createDatabaseIfNotExist=true</value>
		</property>
		<property>
			<name>javax.jdo.option.ConnectionDriverName</name>
			<value>com.mysql.jdbc.Driver</value>
		</property>
		<property>
			<name>javax.jdo.option.ConnectionUserName</name>
			<value>root</value>
		</property>
		<property>
			<name>javax.jdo.option.ConnectionPassword</name>
			<value>123456</value>
		</property>	
		
  <property> 
    <name>hive.metastore.warehouse.dir</name>  
    <value>/hive/warehouse</value> 
  </property>  
  
  <property> 
    <name>hive.exec.scratchdir</name>  
    <value>/hive/tmp</value> 
  </property>  
  
  <property> 
    <name>hive.querylog.location</name>  
    <value>/hive/log</value> 
  </property>  
  
  <property> 
    <name>hive.metastore.schema.verification</name>  
    <value>false</value> 
  </property> 
  
	</configuration>
	

在hive-site.xml的配置当中，我们主要设置了hive元数据库的链接信息，我们使用的是mysql数据库，所以制定了mysql数据库的jdbc地址、驱动、用户和密码等等。 还配置了Hive在HDFS上的一些相关的目录。接下来我们需要在HDFS上创建相关的目录。

hdfs dfs -mkdir /hive/warehouse
hdfs dfs -mkdir /hive/log
hdfs dfs -mkdir /hive/tmp
hdfs dfs -chmod -R 777 /hive

我们启动Hive的MetaStore（元数据服务）和HiveServer2（支持JDBC的查询服务），启动完成之后，通过jps -m可以看到相关服务的状态。

hive --service metastore &
hive --service hiveserver2 &

#查看服务是否启动
jps -m

6 验证

Hive Client方式

启动Hive： $HIVE_HOME/bin/hive

show databases;

show tables;等操作

JDBC客户端方式

#beeline JDBC客户端方式，执行beeline进入交互式命令行
beeline
#链接hiveserver2，默认的配置端口为10000，大家可以修改配置进行更改
!connect jdbc:hive2://localhost:10000
#链接成功之后可以进行相关操作
show tables;
desc test；

Hive的基本使用

创建表

create table test_table(name string);

加载本地数据到hive表【local方式】

load data local inpath ‘/home/hadoop/data/hello.txt’ into table test_table;

查询，统计，词频的个数：
select * from test_table;

select word, count(1) from test_table lateral view explode(split(name),’\t’) wc as word group by word;

lateral view explode(split(name),’\t’) :把每行数据按照指定的分隔符进行拆解
hive SQL 提交以后，会生成MapReduce作业，并在Yarn之上运行

小案例

create table emp(
empno int,
ename string,
job string,
mgr int,
sal double,
comm double,
deptno int
)row format delimited fields terminated by ‘\t’;

create table dept(
deptno int,
dname string,
location string
)row format delimited fields terminated by ‘\t’;

load data local inpath ‘/home/hadoop/data/emp.txt’ into table emp;
load data local inpath ‘/home/hadoop/data/dept.txt’ into table dept;

统计分析：
求每个部门的人数：
select deptno,count(1) from emp group by deptno;

Spark SQL 与Hive集成（spark-shell）

之前需要启动hive-metastore thrift ,【得到9083端口】

 nohup hive --service metastore > ./log/metastore.log 2>&1 &

1. 将hive的配置文件hive-site.xml拷贝到spark conf目录，同时添加metastore的url配置。

<?xml version="1.0"?>
    <?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<property>
        <name>hive.metastore.uris</name>
        <value>thrift://spark001:9083</value>
</property>
</configuration>

2. mysql jar包到 spark 的 lib 目录下

[root@spark001 lib]# pwd
/root/apps/spark-2.2.0-bin-2.6.0-cdh5.7.0/lib
[root@spark001 lib]# ll
total 972
-rw-r--r--. 1 root root 992805 Oct 23 23:59 mysql-connector-java-5.1.41.jar

3. 修改spark-env.sh 文件中的配置

操作： vim spark-env.sh，添加如下内容：

export JAVA_HOME=/root/apps/jdk1.8.0_144
export SPARK_HOME=/root/apps/spark-2.2.0-bin-2.6.0-cdh5.7.0
export SCALA_HOME=/root/apps/scala-2.11.8
#新添加下面的这一条
export HADOOP_CONF_DIR=/root/apps/spark-2.2.0-bin-2.6.0-cdh5.7.0/etc/hadoop

4. 启动服务
   启动hadoop start-all.sh
   启动saprk start-all.sh
   启动mysql元数据库 service mysqld restart
   启动hive metastore服务 hive --service metastore
   启动hive命令行 hive
   启动spark-shell命令行 spark-shell

5. 简单测试
   创建本地文件 test.csv，内容如下：
   0001,spark
   0002,hive
   0003,hbase
   0004,hadoop

执行hive命令：

hive> show databases;
hive> create database databases1;
hive> create table if not exists test(userid string,username string)ROW FORMAT DELIMITED FIELDS TERMINATED BY ’ ’ STORED AS textfile;
hive> load data local inpath “/root/test.csv” into table test;
hive>select * from test;

执行Spark-shell命令：

spark.sql(“select * from databases1.test”).show