Hive配置与操作实践

@(Hadoop)

---

安装hive

hive的安装十分简单，只需要在一台服务器上部署即可。

上传hive安装包，解压缩，将其配入环境变量。

mysql的设置

在要作为元数据库的mysql服务器上建立hive数据库：

#建立数据库
create database if not exists hive;

#设置远程登录的权限
GRANT ALL PRIVILEGES ON *.* TO 'root'@'%' IDENTIFIED BY 'root' WITH GRANT OPTION;

#刷新配置
FLUSH PRIVILEGES;

或者创建专门访问hive的用户：

CREATE USER 'hive'@'localhost' IDENTIFIED BY 'hive';
create database hive;
grant all on hive.* to hive@'%'  identified by 'hive';
grant all on hive.* to hive@'localhost'  identified by 'hive';
flush privileges; 

并将mysql jdbc驱动放入hive/lib目录下。

配置文件修改

进入conf目录，修改配置文件：

cp hive-env.sh.template hive-env.sh
cp hive-default.xml.template hive-default.xml
cp hive-log4j.properties.template hive-log4j.properties
cp hive-exec-log4j.properties.template hive-exec-log4j.properties

在hive-env.sh文件中配置hadoop的home目录。

新建hive-site.xml文件

hive-site.xml：

<configuration>
<property>
<name>hive.exec.local.scratchdir</name>
<value>/usr/local/hive/iotmp</value>
</property>
<property>
<name>hive.exec.scratchdir</name>
<value>/tmp/hive</value>
</property>
<property>
<name>hive.server2.logging.operation.log.location</name>
<value>/usr/local/hive/iotmp</value>
</property>
<property>
<name>hive.downloaded.resources.dir</name>
<value>/usr/local/hive/iotmp</value>
</property>
<property>
<name>hive.querylog.location</name>
<value>/usr/local/hive/iotmp</value>
</property>
<property>
<name>hive.metastore.warehouse.dir</name>
<value>/user/hive/warehouse</value>
</property>
<!--mysql元数据库配置-->
<property>
<name>javax.jdo.option.ConnectionDriverName</name>
<value>com.mysql.jdbc.Driver</value>
</property>
<property>
<name>javax.jdo.option.ConnectionURL</name>
<value>jdbc:mysql://localhost:3306/hive?characterEncoding=UTF-8</value>
</property>
<property>
<name>javax.jdo.option.ConnectionUserName</name>
<value>hive</value>
</property>
<property>
<name>javax.jdo.option.ConnectionPassword</name>
<value>hive</value>
</property>
<!--远程mysql元数据库-->
<property>
<name>hive.metastore.local</name>
<value>false</value>
</property>
<property>
<name>hive.metastore.uris</name>
<value>thrift://localhost:9083</value>
</property>
</configuration>

根据续期就进行修改。
注意：低版本的hive**文件BUG：搜索auth，改为auth**

之后需要创建/usr/local/hive/iotmp文件夹

hive-log4j.properties：

#修改默认的日志存在路径
hive.log.dir=

hive-exec-log4j.properties：

#修改默认的日志存在路径
hive.log.dir=

错误与异常记录

FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.DDLTask. java.lang.RuntimeException: Unable to instantiate org.apache.hadoop.hive.metastore.HiveMetaStoreClient

一般是没执行hive –service metastore，重新执行即可。

常用命令

建表(默认是内部表)

create table trade_detail(id bigint, account string, income double, expenses double, 
time string) row format delimited fields terminated by '\t';

建表时要指定字段之间的分隔符。

建分区表

create table td_part(id bigint, account string, income double, expenses double, time 
string) partitioned by (logdate string) row format delimited fields terminated by '\t';

除了执行字段分隔符 之外还要指定分区字段。

建外部表

create external table td_ext(id bigint, account string, income double, expenses 
double, time string) row format delimited fields terminated by '\t' location '/td_ext';

通过external关键字来建立外部表，location来指定要关联的hdfs文件系统的位置。

分区表加载数据

load data local inpath './book.txt' overwrite into table book partition 
(pubdate='2010-08-22');

使用sqoop将mysql的数据导入到hive表中
sqoop先将数据导入到hdfs中，在调用hive的命令load到hive表中，所以要配置hive的环境变量。

在hive当中创建两张表

create table trade_detail (id bigint, account string, income double, 
expenses double, time string) row format delimited fields terminated by '\t';

create table user_info (id bigint, account string, name  string, age int) row format delimited fields terminated by '\t';

将mysq当中的数据直接导入到hive当中

sqoop import --connect jdbc:mysql://192.168.61.130:3306/cloud --username 
root --password JChubby123 --table trade_detail --hive-import --hive-overwrite --hive-table trade_detail --fields-terminated-by '\t'

sqoop import --connect jdbc:mysql://192.168.61.130:3306/cloud --username 
root --password JChubby123 --table user_info --hive-import --hive-overwrite --hive-table user_info -- fields-terminated-by '\t'

创建一个result表保存前一个sql执行的结果

create table result row format delimited fields terminated by '\t' as select t2.account, t2.name, t1.income, t1.expenses, t1.surplus from user_info t2 join (select account, sum(income) as income, sum(expenses) as expenses, sum(income-expenses) as surplus from trade_detail group by account) t1 on (t1.account = t2.account);

使用自定义的UDF函数

像传统数据库中的存储过程一样，自定义的UDF函数有输入和输出。当hive的函数不能满足业务需求的时候就需要自定义UDF函数来进行任务执行。

1. 引入hive和hadoop common的jar包
2. 自定义类，并继承自UDF类
3. 定义UDF函数，统一命名为evaluate，如：public Text evaluate(Text in)输入和输出要使用hadoop io的基本类型，因为其也要走mr任务和网络传输
4. 将其打包成jar并上传到装有hive的机器中
5. 在hive shell中执行命令将jar包中的函数添加进去

自定义函数调用过程：

1. 添加jar包（在hive命令行里面执行）
   hive> add jar /root/NUDF.jar;
2. 创建临时函数
   hive> create temporary function getNation as ‘NationUDF’;
   函数要写成包括包名的全名称
3. 调用
   hive> select id, name, getNation(nation) from beauty;
4. 将查询结果保存到HDFS中
   create table result row format delimited fields terminated by ‘\t’ as select id, getNation
   (nation) from beauties;

基本数据类型

基本的数据类型参考：
http://blog.csdn.net/chenxingzhen001/article/details/20901045

1.27更新

配置hive1.2.1版本的时候出现一个问题，如下：

Exception in thread "main"java.lang.RuntimeException: java.lang.IllegalArgumentException:java.net.URISyntaxException: Relative path in absolute URI:${system:java.io.tmpdir%7D/$%7Bsystem:user.name%7D
        atorg.apache.hadoop.hive.ql.session.SessionState.start(SessionState.java:444)
        atorg.apache.hadoop.hive.cli.CliDriver.run(CliDriver.java:672)
        atorg.apache.hadoop.hive.cli.CliDriver.main(CliDriver.java:616)
        atsun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
        atsun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:57)
        atsun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
        atjava.lang.reflect.Method.invoke(Method.java:606)
        atorg.apache.hadoop.util.RunJar.main(RunJar.java:160)
Caused by: java.lang.IllegalArgumentException:java.net.URISyntaxException: Relative path in absolute URI:${system:java.io.tmpdir%7D/$%7Bsystem:user.name%7D
        atorg.apache.hadoop.fs.Path.initialize(Path.java:148)
        atorg.apache.hadoop.fs.Path.<init>(Path.java:126)
        atorg.apache.hadoop.hive.ql.session.SessionState.createSessionDirs(SessionState.java:487)
        atorg.apache.hadoop.hive.ql.session.SessionState.start(SessionState.java:430)
        ... 7more
Caused by: java.net.URISyntaxException:Relative path in absolute URI:${system:java.io.tmpdir%7D/$%7Bsystem:user.name%7D
        atjava.net.URI.checkPath(URI.java:1804)
        atjava.net.URI.<init>(URI.java:752)
        atorg.apache.hadoop.fs.Path.initialize(Path.java:145)
        ... 10more

解决方式：

在HIVE_HOME目录下新建一个iotmp文件夹，
在hive-site.xml文件中，搜索所有包含system:java.io.tmpdir的配置项，将其value属性改为iotmp的路径保存即可。

hive无法读取配置文件的问题

hive部署之后，hive-site.xml中配置的是连接到远程的mysql数据库。

HIVE_HOME已配置到.bash_profile文件中，但是直接执行hive命令的时候发现，同一个人在不同路径下执行竟然看到的表数据是不一样的！

于是开始排查异常，切换各个不同的目录执行hive命令，但是看到的数据都不一样，而且发现每个目录下都会生成derby元数据库的文件信息，于是猜想hive连接的是本地的derby数据库，但是配置文件里面明明设置的是连接远程mysql数据库。

进入conf目录再次执行hive命令，一切正常，将hive-site.xml文件复制到任意目录，再次执行hive，一切正常。

说明当不在conf目录下执行hive命令的时候，hive脚本找不到hive-site.xml文件。

再次仔细检查各种环境变量，一切正常，HADOOP_HOME、HIVE_HOME、HIVE_CONF_DIR等已经都在hive-env.sh中配置好了。

查看hive脚本的代码，发现里面会先跑一个hive-config.sh，于是又打开该文件查看，没发现什么异常，直接export HIVE_CONF_DIR写死在里面，保存退出，执行hive，仍然不行。

作者：@小黑