1 Hive安装部署
- 1)把apache-hive-3.1.2-bin.tar.gz上传到linux目录下
- 2)解压apache-hive-3.1.2-bin.tar.gz到/opt/module/目录下面
[root@node09 06_hive]# tar -zxvf apache-hive-3.1.2-bin.tar.gz -C /opt/module/
- 3)修改apache-hive-3.1.2-bin.tar.gz的名称为hive
[root@node09 06_hive]# mv /opt/module/apache-hive-3.1.2-bin/ /opt/module/hive
- 4)修改/etc/profile.d/my_env.sh,添加环境变量
[root@node09 06_hive]# vim /etc/profile.d/my_env.sh
- 5)添加内容
#HIVE_HOME
export HIVE_HOME=/opt/module/hive
export PATH=$PATH:$HIVE_HOME/bin
使环境变量生效或者
[root@node09 06_hive]# source /etc/profile.d/my_env.sh
- 6)解决日志Jar包冲突,进入/opt/module/hive/lib目录
[root@node09 lib]# mv log4j-slf4j-impl-2.10.0.jar log4j-slf4j-impl-2.10.0.jar.bak
2 Hive元数据配置到MySql
2.1 拷贝驱动
将MySQL的JDBC驱动拷贝到Hive的lib目录下
[root@node09 07_mysql]# cp mysql-connector-java-5.1.48.jar /opt/module/hive/lib/
2.2 配置Metastore到MySql
在$HIVE_HOME/conf目录下新建hive-site.xml文件
[root@node09 conf]# vim hive-site.xml
添加如下内容
javax.jdo.option.ConnectionURL
jdbc:mysql://node09:3306/metastore?useSSL=false
javax.jdo.option.ConnectionDriverName
com.mysql.jdbc.Driver
javax.jdo.option.ConnectionUserName
root
javax.jdo.option.ConnectionPassword
000000
hive.metastore.warehouse.dir
/user/hive/warehouse
hive.metastore.schema.verification
false
hive.metastore.uris
thrift://node09:9083
hive.server2.thrift.port
10000
hive.server2.thrift.bind.host
node09
hive.metastore.event.db.notification.api.auth
false
hive.cli.print.header
true
hive.cli.print.current.db
true
3 启动Hive
3.1 初始化元数据库
- 1)登陆MySQL
[root@node09 conf]# mysql -uroot -p000000
- 2)新建Hive元数据库
mysql> create database metastore;
mysql> quit;
- 3)初始化Hive元数据库
[root@node09 conf]# schematool -initSchema -dbType mysql -verbose
3.2 启动metastore和hiveserver2
- 1)Hive 2.x以上版本,要先启动这两个服务,否则会报错:
FAILED: HiveException java.lang.RuntimeException: Unable to instantiate org.apache.hadoop.hive.ql.metadata.SessionHiveMetaStoreClient - 2)在/opt/module/hive/bin目录编写hive服务启动脚本
[root@node09 bin]# vim hiveservices.sh
内容如下:
#!/bin/bash
HIVE_LOG_DIR=$HIVE_HOME/logs
mkdir -p $HIVE_LOG_DIR
#检查进程是否运行正常,参数1为进程名,参数2为进程端口
function check_process()
{
pid=$(ps -ef 2>/dev/null | grep -v grep | grep -i $1 | awk '{print $2}')
ppid=$(netstat -nltp 2>/dev/null | grep $2 | awk '{print $7}' | cut -d '/' -f 1)
echo $pid
[[ "$pid" =~ "$ppid" ]] && [ "$ppid" ] && return 0 || return 1
}
function hive_start()
{
metapid=$(check_process HiveMetastore 9083)
cmd="nohup hive --service metastore >$HIVE_LOG_DIR/metastore.log 2>&1 &"
cmd=$cmd" sleep 4; hdfs dfsadmin -safemode wait >/dev/null 2>&1"
[ -z "$metapid" ] && eval $cmd || echo "Metastroe服务已启动"
server2pid=$(check_process HiveServer2 10000)
cmd="nohup hive --service hiveserver2 >$HIVE_LOG_DIR/hiveServer2.log 2>&1 &"
[ -z "$server2pid" ] && eval $cmd || echo "HiveServer2服务已启动"
}
function hive_stop()
{
metapid=$(check_process HiveMetastore 9083)
[ "$metapid" ] && kill $metapid || echo "Metastore服务未启动"
server2pid=$(check_process HiveServer2 10000)
[ "$server2pid" ] && kill $server2pid || echo "HiveServer2服务未启动"
}
case $1 in
"start")
hive_start
;;
"stop")
hive_stop
;;
"restart")
hive_stop
sleep 2
hive_start
;;
"status")
check_process HiveMetastore 9083 >/dev/null && echo "Metastore服务运行正常" || echo "Metastore服务运行异常"
check_process HiveServer2 10000 >/dev/null && echo "HiveServer2服务运行正常" || echo "HiveServer2服务运行异常"
;;
*)
echo Invalid Args!
echo 'Usage: '$(basename $0)' start|stop|restart|status'
;;
esac
- 3)添加执行权限
[root@node09 bin]# chmod +x hiveservices.sh
- 4)启动Hive后台服务
[root@node09 bin]# hiveservices.sh start
- 5)查看Hive后台服务运行情况
[root@node09 bin]# hiveservices.sh status
Metastore服务运行正常
HiveServer2服务运行异常
- 6)启动Hive客户端
[root@node09 bin]# hive
2. Hive on Spark
2.1 编译
官方文档 https://cwiki.apache.org/confluence/display/Hive/Hive+on+Spark%3A+Getting+Started#:~:text=Version%20Compatibility%20%20%20%20Hive%20Version%20,%20%201.6.0%20%204%20more%20rows%20
- 1)从官网下载Spark源码并解压
下载地址: https://www.apache.org/dyn/closer.lua/spark/spark-2.4.5/spark-2.4.5.tgz - 2)上传并解压spark
- 3)进入spark解压后的目录
- 4)执行编译命令
[root@node09 spark-2.4.5]# ./dev/make-distribution.sh --name without-hive --tgz -Pyarn -Phadoop-3.1 -Dhadoop.version=3.1.3 -Pparquet-provided -Porc-provided -Phadoop-provided - 5)等待编译完成,spark-2.4.5-bin-without-hive.tgz为最终文件
2.2 Hive on Spark配置
- 1)解压spark-2.4.5-bin-without-hive.tgz
[root@node09 1.Spark]# tar -zxf /opt/software/spark-2.4.5-bin-without-hive.tgz -C /opt/module^C
[root@node09 1.Spark]# mv /opt/module/spark-2.4.5-bin-without-hive /opt/module/spark
- 2)配置SPARK_HOME环境变量
[root@node09 spark]# vim /etc/profile.d/my_env.sh
添加如下内容
export SPARK_HOME=/opt/module/spark
export PATH=$PATH:$SPARK_HOME/bin
source 使其生效
[root@node09 spark]# source /etc/profile.d/my_env.sh
- 3)配置spark运行环境
[root@node09 spark]# mv /opt/module/spark/conf/spark-env.sh.template /opt/module/spark/conf/spark-env.sh
[root@node09 spark]# vim /opt/module/spark/conf/spark-env.sh
添加如下内容
export SPARK_DIST_CLASSPATH=$(hadoop classpath)
- 4)连接spark jar包到hive,如何hive中已存在则跳过
[root@node09 spark]# ln -s /opt/module/spark/jars/scala-library-2.11.12.jar /opt/module/hive/lib/scala-library-2.11.12.jar
[root@node09 spark]# ln -s /opt/module/spark/jars/spark-core_2.11-2.4.5.jar /opt/module/hive/lib/spark-core_2.11-2.4.5.jar
[root@node09 spark]# ln -s /opt/module/spark/jars/spark-network-common_2.11-2.4.5.jar /opt/module/hive/lib/spark-network-common_2.11-2.4.5.jar
- 5)新建spark配置文件
[root@node09 spark]# vim /opt/module/hive/conf/spark-defaults.conf
添加如下内容
spark.master yarn
spark.master yarn
spark.eventLog.enabled true
spark.eventLog.dir hdfs://hadoop102:8020/spark-history
spark.driver.memory 2g
spark.executor.memory 2g
- 6)在HDFS创建如下路径
[root@node09 spark]# hadoop fs -mkdir /spark-history
- 7)上传Spark依赖到HDFS
[root@node09 spark]# hadoop fs -mkdir /spark-jars
[root@node09 spark]# hadoop fs -put /opt/module/spark/jars/* /spark-jars
- 8)修改hive-site.xml
spark.yarn.jars
hdfs://hadoop102:8020/spark-jars/*
hive.execution.engine
spark
- 9)Hive on Spark 测试
a. 启动hive客户端
b. 创建一张测试表
hive (default)> create external table student(id int, name string) location '/student';
c. 通过insert测试效果
hive (default)> insert into table student values(1,'abc');
3 Yarn容量调度器队列配置
- 1)增加hive队列
默认Yarn的配置下,容量调度器只有一条Default队列。在capacity-scheduler.xml中可以配置多条队列,修改以下属性,增加hive队列。
yarn.scheduler.capacity.root.queues
default,hive
The queues at the this level (root is the root queue).
yarn.scheduler.capacity.root.default.capacity
50
default队列的容量为50%
同时为新加队列添加必要属性:
yarn.scheduler.capacity.root.hive.capacity
50
hive队列的容量为50%
yarn.scheduler.capacity.root.hive.user-limit-factor
1
一个用户最多能够获取该队列资源容量的比例
yarn.scheduler.capacity.root.hive.maximum-capacity
80
hive队列的最大容量
yarn.scheduler.capacity.root.hive.state
RUNNING
yarn.scheduler.capacity.root.hive.acl_submit_applications
*
访问控制,控制谁可以将任务提交到该队列
yarn.scheduler.capacity.root.hive.acl_administer_queue
*
访问控制,控制谁可以管理(包括提交和取消)该队列的任务
yarn.scheduler.capacity.root.hive.acl_application_max_priority
*
访问控制,控制用户可以提交到该队列的任务的最大优先级
yarn.scheduler.capacity.root.hive.maximum-application-lifetime
-1
hive队列中任务的最大生命时长
yarn.scheduler.capacity.root.hive.default-application-lifetime
-1
default队列中任务的最大生命时长
- 2)配置hive客户端任务提交到hive队列
为方便后续hive客户端的测试和shell脚本中的任务能同时执行,我们将hive客户端的测试任务提交到hive队列,让shell脚本中的任务使用默认值,提交到default队列。
每次进入hive客户端时,执行以下命令
hive (default)> set mapreduce.job.queuename=hive;