提供免费主页空间的网站,温州seo关键词优化,加强企业门户网站建设,广州优化公司哪家好文章目录 架构图Hadoop搭建Hive 搭建MySQL搭建官网文档下载配置配置hive环境变量配置日志文件配置hive-site 复制mysql 驱动包删除日志包初始化元数据启动metastore服务使用hive CLI启动hiveServer2访问hiveserver2客户端连接beeline shell连接 Dbeaver连接经验 基于HDFS Hive… 文章目录 架构图Hadoop搭建Hive 搭建MySQL搭建官网文档下载配置配置hive环境变量配置日志文件配置hive-site 复制mysql 驱动包删除日志包初始化元数据启动metastore服务使用hive CLI启动hiveServer2访问hiveserver2客户端连接beeline shell连接 Dbeaver连接经验 基于HDFS Hivemysql搭建离线数仓最终效果能够通过可视化界面访问数仓数据
架构图 其中
1 hive 服务包括 metastore元数据 服务和 hiveserver2服务
2 启动metastore元数据服务metastore元数据存储在MySQL中
3 在metastore服务基础上再启动hiveserver2服务即可通过代码、客户端、beeline shell去链接hive
4 建的库表存储到hdfs中
Hadoop搭建
由于资源不足搭建伪分布式利用Hadoop的HDFS分布式存储功能可以查看搭建教程
由于资源限制 hadoop环境搭建使用的是 hadoop 用户。 参见Hadoop3.2.1安装-单机模式和伪分布式模式
Hive 搭建
Hive是一个分布式的、支持容错的数仓系统用于大量数据分析。HMS提供了一个元数据仓库可以很容易进行数据分析和数据驱动决策。是很多数据湖架构使用的重要的组件。Hive是基于Hadoop可以利用HDFS存储。支持用户通过SQL语言管理数据。
MySQL搭建
搭建数仓需要先搭建MySQL这里不再赘述。
官网文档
https://hive.apache.org/development/gettingstarted/
下载
https://archive.apache.org/dist/hive/
这里选择的是Hive4.0版本
下载bin.tar.gz包解压
配置
配置hive环境变量
vi /etc/profile增加如下代码
# Hive
export HIVE_HOME/home/datahouse/hive-4.0.0
export PATH$PATH:$HIVE_HOME/bin保存后执行刷新命令
source /etc/profile配置日志文件
# 进入配置文件目录
cd /home/datahouse/hive-4.0.0/conf将hive-log4j2.properties.template 配置文件复制成 hive-log4j2.properties
并修改配置文件
#配置日志路径
property.hive.log.dir /home/datahouse/hive-4.0.0/logs
property.hive.log.file hive.log配置hive-site
进入到解压目录安装目录
# 进入到配置文件目录
cd /home/datahouse/hive-4.0.0/conf
新建 hive-site.xml文件增加如下配置内容
configuration!-- 指定存储元数据存储的数据库 --propertynamejavax.jdo.option.ConnectionURL/namevaluejdbc:mysql://localhost:3306/hive?createDatabaseIfNotExisttrueamp;useUnicodetrueamp;characterEncodingUTF-8amp;useSSLfalse/value/propertypropertynamejavax.jdo.option.ConnectionDriverName/namevaluecom.mysql.jdbc.Driver/value/propertypropertynamejavax.jdo.option.ConnectionUserName/namevalueroot/value/propertypropertynamejavax.jdo.option.ConnectionPassword/namevaluexxxx/value/property!-- 指定存储元数据要连接的地址 --propertynamehive.metastore.uris/namevaluethrift://127.0.0.1:9083/valuedescriptionURI for client to connect to metastore server/description/property!-- 指定hiveserver2连接的host --propertynamehive.server2.thrift.bind.host/namevalueyd-ss/value/property!-- 指定hiveserver2连接的端口号 --propertynamehive.server2.thrift.port/namevalue10000/value/property!-- hiveserver2的高可用参数如果不开会导致了开启tez session导致hiveserver2无法启动 --propertynamehive.server2.active.passive.ha.enable/namevaluefalse/value/property!--解决Error initializing notification event poll问题--propertynamehive.metastore.event.db.notification.api.auth/namevaluefalse/value/propertypropertynametez.mrreader.config.update.properties/namevaluehive.io.file.readcolumn.names,hive.io.file.readcolumn.ids/value/property!--配置默认计算引擎为mr--propertynamehive.execution.engine/namevaluemr/value/property!--配置HDFS数据目录--propertynamehive.metastore.warehouse.dir/namevalue/home/datahouse/hive/warehouse/value/property
/configuration其中hive.metastore.warehouse.dir 目录得是hdfs分布式文件系统下的目录这个很重要若是在Linux本地文件系统下创建该目录后面是会报错的。下面是创建步骤
# 切换到hadoop账户(因为hadoop是用hadoop用户部署的所以要切换如果是root用户部署可以不用切换)
[rootyd-ss ~]# su hadoop
# 创建文件
[hadoopyd-ss root]$ hdfs dfs -mkdir -p /home/datahouse/hive/warehouse
# 赋权
[hadoopyd-ss root]$ hdfs dfs -chmod 777 /home/datahouse/hive/warehouse/复制mysql 驱动包
找到java 连接MySQL的驱动包上传到${HIVE_HOME}/lib 目录
可以在maven中央仓库去找,
https://mvnrepository.com/
删除日志包
删除安装路径下的/lib/log4j-slf4j-impl-2.18.0.jar
防止日志出现以下信息
SLF4J: Class path contains multiple SLF4J bindings. SLF4J: Found binding in [jar:file:/data/soft/apache-hive-4.0.0-beta-1-bin/lib/log4j-slf4j-impl-2.18.0.jar!/org/slf4j/impl/StaticLoggerBinder.class] SLF4J: Found binding in [jar:file:/data/soft/hadoop-3.3.5/share/hadoop/common/lib/slf4j-reload4j-1.7.36.jar!/org/slf4j/impl/StaticLoggerBinder.class]初始化元数据
# 进入到${HIVE_HOME}/bin目录执行
schematool -initSchema -dbType mysql初始化元数据在数据库的表信息和数据
启动metastore服务
# bin目录下执行
hive --service metastore
# 查看日志
tail -300f logs/hive.log启动会报错
需要在/etc/hosts 文件配置 127.0.0.1 yd-ss 的解析
因为/etc/hostname 文件配置了主机名 为 yd-ss
再次启动需要使用后台方式启动
# 将日志输出到metastore.log
nohup bin/hive --service metastore logs/metastore.log 21 使用hive CLI
重大变化Hive4.0.0中HiveCLI已经被弃用了代替它的是Beeline。所以启动Hive4.0.0时会默认进入Beeline命令行界面而不是HiveCLI
启动hiveServer2
nohup bin/hive --service hiveserver2 logs/hiveserver2.log 21 报错
Caused by: org.apache.hadoop.security.AccessControlException: Permission denied: userroot, accessEXECUTE, inode/tmp/hive/_resultscache_:hadoop:supergroup:drwx------原因是/tmp/hive/_resultscache_目录权限问题/tmp/hive/_resultscache_ 文件夹 所属用户hadoop权限为所有者777但组和其他用户权限都为0即只有hadoop用户有rwx权限其他用户无权限。
解决方案登录hadoop用户给该文件赋权
# 切换到hadoop 用户
[rootyd-ss bin]# su hadoop
#切换到 hadoop 安装目录bin下执行赋权命令
[hadoopyd-ss bin]$ hdfs dfs -chmod 777 /tmp/hive/_resultscache_再次启动即可顺利启动。当时在这个错误纠结了2天时间关键的是在赋权这个操作上。
访问hiveserver2
通过查看启动日志webui服务默认是在10002端口启动的输入以下地址即可访问
http://localhost:10002/若报错则需要在hadoop中core-site.xml配置如下参数
!-- 整合hive 用户代理设置 --propertynamehadoop.proxyuser.root.hosts/namevalue*/value/propertypropertynamehadoop.proxyuser.root.groups/namevalue*/value/property客户端连接
beeline shell连接
# 到hive安装bin目录下执行yd-ss代表当前主机名
beeline -u jdbc:hive2://yd-ss:10000 --verbosetrue -n root这个很类似MySQL的shell连接方式,如下
[rootyd-ss bin]# beeline -u jdbc:hive2://yd-ss:10000 --verbosetrue -n root
!connect jdbc:hive2://yd-ss:10000 root [passwd stripped]
Connecting to jdbc:hive2://yd-ss:10000
Connected to: Apache Hive (version 4.0.0)
Driver: Hive JDBC (version 4.0.0)
Transaction isolation: TRANSACTION_REPEATABLE_READ
Beeline version 4.0.0 by Apache Hive
0: jdbc:hive2://yd-ss:10000执行下面脚本
CREATE DATABASE test;
show databases;0: jdbc:hive2://yd-ss:10000 CREATE DATABASE test;
going to print operations logs
printed operations logs
Getting log thread is interrupted, since query is done!
INFO : Compiling command(queryIdroot_20241113173452_2e942d82-8b36-4dcd-9212-d3bdbd72dc92): CREATE DATABASE test
INFO : Semantic Analysis Completed (retrial false)
INFO : Created Hive schema: Schema(fieldSchemas:null, properties:null)
INFO : Completed compiling command(queryIdroot_20241113173452_2e942d82-8b36-4dcd-9212-d3bdbd72dc92); Time taken: 0.003 seconds
INFO : Concurrency mode is disabled, not creating a lock manager
INFO : Executing command(queryIdroot_20241113173452_2e942d82-8b36-4dcd-9212-d3bdbd72dc92): CREATE DATABASE test
INFO : Starting task [Stage-0:DDL] in serial mode
INFO : Completed executing command(queryIdroot_20241113173452_2e942d82-8b36-4dcd-9212-d3bdbd72dc92); Time taken: 0.147 seconds
No rows affected (0.173 seconds)
0: jdbc:hive2://yd-ss:10000 show databases;
going to print operations logs
printed operations logs
Getting log thread is interrupted, since query is done!
INFO : Compiling command(queryIdroot_20241113173512_cfc13da2-518b-406c-946d-83888acf6d37): show databases
INFO : Semantic Analysis Completed (retrial false)
INFO : Created Hive schema: Schema(fieldSchemas:[FieldSchema(name:database_name, type:string, comment:from deserializer)], properties:null)
INFO : Completed compiling command(queryIdroot_20241113173512_cfc13da2-518b-406c-946d-83888acf6d37); Time taken: 0.02 seconds
INFO : Concurrency mode is disabled, not creating a lock manager
INFO : Executing command(queryIdroot_20241113173512_cfc13da2-518b-406c-946d-83888acf6d37): show databases
INFO : Starting task [Stage-0:DDL] in serial mode
INFO : Completed executing command(queryIdroot_20241113173512_cfc13da2-518b-406c-946d-83888acf6d37); Time taken: 0.071 seconds
----------------
| database_name |
----------------
| default |
| test |
----------------
2 rows selected (0.218 seconds)
成功执行。基本和MySQL是类似的。
如下可以看到建的库是存储到hdfs分布式文件系统中的。
[hadoopyd-ss bin]$ hdfs dfs -ls /home/datahouse/hive/warehouse/
drwxr-xr-x - root supergroup 0 2024-11-14 10:38 /home/datahouse/hive/warehouse/test.dbDbeaver连接
参考文章《DBeaver连接hive》
连接上后基本就和mysql操作类似了。
经验
1 hive 包括 metastore元数据服务和hiveserver2服务
2 hadoop服务是使用hadoop 用户部署的伪分布式模式,hive是使用root用户部署的
3 apache下的组件是真的难用文档不清晰各种xml配置问题
4 要了解hdfs分布式文件系统和Linux本地文件系统区别否则很容易遇到文件权限问题
