1.概述
这篇博客是接着《高可用Hadoop平台》系列讲，本篇博客是为后面用 Hive 来做数据统计做准备的，介绍如何在 Hadoop HA 平台下集成高可用的 Hive 工具，下面我打算分以下流程来赘述：
- 环境准备
- 集成并配置 Hive 工具
- 使用 Java API 开发 Hive 代码
下面开始进行环境准备。
2.环境准备
Hive版本：《Hive-0.14》
HAProxy版本：《HAProxy-1.5.11》
注：前提是 Hadoop 的集群已经搭建完成，若还没用完成集群搭建，可以参考《配置高可用的Hadoop平台》
需要安装的工具，我们已经准备好了，接下来给出 Hive 搭建的结构图，如下图所示：
![]()
这里由于集群资源有限，所以将 HAProxy1 配置在 NNA 节点，HAProxy2 配置在 NNS 节点，Hive1，Hive2，Hive3分别配置在 DN1，DN2，DN3 节点。如下表所示：
| 服务器 |
角色 |
| NNA |
HAProxy1 |
| NNS |
HAProxy2 |
| DN1 |
Hive1 |
| DN2 |
Hive2 |
| DN3 |
Hive3 |
我们将下载好的 Hive 安装包和 HAProxy 安装包用 scp 命令，参考上表格分别分发到对应的节点。
注：hive 指定的 HDFS 必须是相同的，否则，统计的数据源不同，那么统计是没有意义的。
3.集成并配置 Hive 工具
HAProxy 是一款提供高可用性、负载均衡以及基于 TCP（第四层）和 HTTP（第七层）应用的代理软件，HAProxy 是完全免费的、借助 HAProxy 可以快速并且可靠的提供基于TCP 和 HTTP 应用的代理解决方案。HAProxy 在这里的作用起一个代理功能，让 Hive Server 负载均衡；这里我们分别在 NNA 和 NNS 节点都搭建 HAProxy ，是为了防止一个 HAProxy 代理容易引发单点问题。考虑到高可用性，这里我们多用一个节点来承担类似于 HDFS HA 方案中的 standby 角色。
3.1系统环境
首先，在 NNA 和 NNS 节点搭建 HAProxy 工具，这里我们需要先检查下系统环境，因为 HAProxy 工具包需要编译安装。这里我们安装必要的依赖组建，命令如下所示：
# 安装 gcc 组件
[hadoop@nna]$ sudo yum -y install gcc*
＃ 安装 SSL
[hadoop@nna]$ sudo yum -y install openssl-devel pcre-devel
然后，解压并进入到 haproxy 目录文件中，命令如下：
[hadoop@nna]$ tar -zxvf haproxy-1.5.11.tar.gz && cd haproxy-1.5.11
接着，我们开始编译安装 haproxy 组件，命令如下所示：
[hadoop@nna]$ make TARGET=linux2628 USE_PCRE=1 USE_OPENSSL=1 USE_ZLIB=1 USE_CRYPT_H=1 USE_LIBCRYPT=1
[hadoop@nna]$ make install
安装完成后，我们输入如下命令，看是否安装成功。
[hadoop@nna]$./haproxy -vv
若现实如下信息，即表示安装成功。内容如下：
HA-Proxy version 1.5.11 2015/01/31
Copyright 2000-2015 Willy Tarreau <w@1wt.eu>
Build options :
TARGET = linux26
CPU = generic
CC = gcc
CFLAGS = -O2 -g -fno-strict-aliasing
OPTIONS =
Default settings :
maxconn = 2000, bufsize = 16384, maxrewrite = 8192, maxpollevents = 200
Encrypted password support via crypt(3): yes
Built without zlib support (USE_ZLIB not set)
Compression algorithms supported : identity
Built without OpenSSL support (USE_OPENSSL not set)
Built without PCRE support (using libc's regex instead)
Built with transparent proxy support using: IP_TRANSPARENT IP_FREEBIND
Available polling systems :
epoll : pref=300, test result OK
poll : pref=200, test result OK
select : pref=150, test result OK
Total: 3 (3 usable), will use epoll.
3.2配置 HAProxy
在 haproxy 目录下，我们新建一个 config.cfg 的配置文件，填写如下内容：
global
daemon
nbproc 1
defaults
mode tcp #mode { tcp|http|health }，tcp 表示4层，http表示7层，health仅作为健康检查使用
retries 2 #尝试2次失败则从集群摘除
option redispatch #如果失效则强制转换其他服务器
option abortonclose #连接数过大自动关闭
maxconn 1024 #最大连接数
timeout connect 1d #连接超时时间，重要，hive查询数据能返回结果的保证
timeout client 1d #同上
timeout server 1d #同上
timeout check 2000 #健康检查时间
log 127.0.0.1 local0 err #[err warning info debug]
listen admin_stats #定义管理界面
bind 0.0.0.0:1090 #管理界面访问IP和端口
mode http #管理界面所使用的协议
maxconn 10 #最大连接数
stats refresh 30s #30秒自动刷新
stats uri / #访问url
stats realm Hive\ Haproxy #验证窗口提示
stats auth admin:123456 #401验证用户名密码
listen hive #hive后端定义
bind 0.0.0.0:10001 #ha作为proxy所绑定的IP和端口
mode tcp #以4层方式代理，重要
balance leastconn #调度算法 'leastconn' 最少连接数分配，或者 'roundrobin'，轮询分配
maxconn 1024 #最大连接数
server hive_1 10.211.55.18:10000 check inter 180000 rise 1 fall 2
server hive_2 10.211.55.15:10000 check inter 180000 rise 1 fall 2
server hive_3 10.211.55.17:10000 check inter 180000 rise 1 fall 2
#释义：server 主机代名(你自己能看懂就行)，IP:端口 每180000毫秒检查一次。也就是三分钟。
#hive每有10000端口的请求就会创建一个log，设置短了，/tmp下面会有无数个log文件，删不完。
接着，我们在 NNS 也做相同的操作，搭建 HAProxy。
3.3搭建 Hive
在 DN1 节点上，我们先配置 Hive 的环境变量，配置内容如下：
export HIVE_HOME=/home/hadoop/hive-0.14.0-bin
export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$ZK_HOME/bin:$HIVE_HOME/bin
接着，我们配置3个重要文件。
# Set HADOOP_HOME to point to a specific hadoop install directory
HADOOP_HOME=/home/hadoop/hadoop-2.6.0
# Define some default values that can be overridden by system properties
hive.log.threshold=ALL
hive.root.logger=INFO,DRFA
hive.log.dir=/home/hadoop/logs/hive
hive.log.file=hive.log
<?xml version="1.0" encoding="UTF-8"?>
<configuration>
<property>
<name>datanucleus.fixedDatastore</name>
<value>false</value>
</property>
<property>
<name>hive.metastore.execute.setugi</name>
<value>true</value>
</property>
<property>
<name>hive.metastore.warehouse.dir</name>
<value>/home/hive/warehouse</value>
<description>location of default database for the warehouse
</description>
</property>
<!-- metadata database connection configuration -->
<property>
<name>javax.jdo.option.ConnectionURL</name>
<value>jdbc:mysql://10.211.55.26:3306/hive?useUnicode=true&characterEncoding=UTF-8&createDatabaseIfNotExist=true</value>
<description>JDBC connect string for a JDBC metastore</description>
</property>
<property>
<name>javax.jdo.option.ConnectionDriverName</name>
<value>com.mysql.jdbc.Driver</value>
<description>Driver class name for a JDBC metastore</description>
</property>
<property>
<name>javax.jdo.option.ConnectionUserName</name>
<value>root</value>
<description>username to use against metastore database</description>
</property>
<property>
<name>javax.jdo.option.ConnectionPassword</name>
<value>root</value>
<description>password to use against metastore database</description>
</property>
</configuration>
注：由于我这里配置的 Hive 元数据仓库地址是 Mysql ，所以我们在启动 Hive 之前，得将 Mysql 的驱动包放到 Hive 目录的 lib 文件夹下。
然后，在 DN2 和 DN3 节点做相同的操作。
3.4启动服务
这里，我们先启动 Hive 的第三方服务，命令如下所示：
[hadoop@dn1]$hive --service hiveserver &
注：DN1，DN2 和 DN3 节点都需要启动该服务。
在 hive 的服务成功启动后，我们在到 NNA 和 NNS 节点分别启动 HAProxy 代理服务，命令如下所示：
[hadoop@nna haproxy-1.5.11]$ ./haproxy -f config.cfg
到这里，如果没有出错，整个高可用的 Hive 工具就搭建完成了。
3.5异常
若是我们在搭建的过程中遇到异常怎么办？首先，我们来逐个排查，我们先启动 hive 服务，若是在启动中报错，或是一直卡在启动中，我可以到 hive 的启动日志中查看具体原因，根据抛出的异常，我们做对应的处理就可以了；其次，在启动 haproxy 服务时，若是出现异常，我们根据它报错的信息，做对应的处理即可。要冷静，莫慌！
Caused by: com.mysql.jdbc.exceptions.jdbc4.MySQLSyntaxErrorException: Access denied for user 'root'@'dn1' to database 'metastore'
这是因为mysql数据库用户root 的权限不足，赋予权限
grant all on metastore.* to 'root'@'dn1' identified by 'root';
flush privileges;
4.Java API使用
搭建好平台后，我们得验证平台是否可用，下面，我们用 Java API 来验证其 HA 是否可用。下面是写得一个测试代码，用来测试平台是否可用，代码表达的意图是：创建表，然后显示表结构。代码如下所示：
/**
*
*/
package cn.hdfs.hive.example;
import java.sql.Connection;
import java.sql.DriverManager;
import java.sql.ResultSet;
import java.sql.Statement;
/**
* @author dengjie
* @date 2015年3月26日
* @description 提供一个JDBC访问hive的原型，若用在实际业务中，可拓展该类。
*/
public class HiveVisit {
static {
// 注册jdbc驱动
try {
Class.forName("org.apache.hadoop.hive.jdbc.HiveDriver");
} catch (ClassNotFoundException e) {
e.printStackTrace();
}
}
// 设置 NNA 和 NNS 的连接信息
private static String[] url = new String[] { "jdbc:hive://10.211.55.29:10001/default", "jdbc:hive://10.211.55.26:10001/default" };
public static void main(String[] args) throws Exception {
System.setProperty("hadoop.home.dir", "/Users/dengjie/HDFS/hadoop-2.5.1");
Connection conn = null;
for (int i = 0; i < url.length; i++) {
try {
// 创建连接
conn = DriverManager.getConnection(url[i], "", "");
if (!conn.isClosed()) {// 连接成功，即返回连接对象
break;
}
} catch (Exception ex) {
ex.printStackTrace();
}
}
Statement st = conn.createStatement();
String tableName = "stu";
// 删除表
st.executeQuery("drop table " + tableName);
// 创建表
ResultSet rs = st.executeQuery("create table " + tableName + "(" + "id string," + "name string," + "sex string" + ")" + "row format delimited " + "fields terminated by ',' " + "stored as textfile");
// 显示所有的表
String sql = "show tables";
System.out.println("running:" + sql);
rs = st.executeQuery(sql);
if (rs.next()) {
System.out.println(rs.getString(1));
}
// 得到表信息
sql = "describe " + tableName;
System.out.println("running:" + sql);
rs = st.executeQuery(sql);
while (rs.next()) {
System.out.println(rs.getString(1) + "\t" + rs.getString(2));
}
// 关闭资源
rs.close();
st.close();
conn.close();
}
}
结果展示，内容如下：
running:show tables
stu
running:describe stu
id string
name string
sex string
![]()
5.总结
- 在启动 haproxy 代理服务之前，切记 hive 服务是否正常启动。
- 在启动 hive 服务是，确保 hadoop 集群运行正常。
6.结束语
这篇博客就和大家分享到这里，若在研究的过程当中有什么问题，可以加群进行讨论或发送邮件给我，我会尽我所能为您解答，与君共勉！
