RHadoop和CDH整合实例（三）- RHive

五、 RHive的安装及测试

RHive依赖于Rserve，所有首先需要安装Rserve(在各个namenode上)，接下来在所有节点上启动Rserve：

> sudo R   
> install.packages("Rserve")    
> q() 
> Rserve --RS-conf /usr/lib64/R/Rserv.conf #启动Rserve
> sudo netstat -nltp | grep Rserve #查看Rserve服务端口号

     通过netstate会发现Rserve启动后默认端口为6311。

     在master节点上telnet（如果未安装，通过shell命令yum install telnet安装）所有slave节点。

> telnet bj1-241-centos169 6311   

       RHive的安装无法直接通过R的install.packages("RHive")进行，在github上也无法直接从https://github.com/nexr/RHive/downloads下载编译好的tar.gz包，只能从github下载源码后自己编译。编译java源文件的过程需要用到ant，若机器上没有，首先安装ant：

> sudo yum install ant 

       更改/etc/profile，设置环境变量HIVE_HOME和ANT_HOME，在测试机上，对应为：

       HIVE_HOME=/opt/cloudera/parcels/CDH-5.1.3-1.cdh5.1.3.p0.12/lib/hive/

       ANT_HOME=/usr/share/ant

       以下步骤需要对RHive源代码进行一些更改，编译并打包成tar.gz文件后再安装RHive，若不关心修改源码的部分，本文最后会给出已编译好的文件以供下载。

       进入$INS_TMP目录后，下载github上RHive项目源码，路径为~/$INS_TMP/RHive。由于测试机群上配置了Kerberos，而R语言通过RHive访问Hive的过程并不是直接通过JDBC接口访问，而是将在R语言中通过.j2r文件下的函数调用java程序，在java程序中加载JDBC驱动而访问hive。尽管当前用户拥有有效的Kerberos票据，在这样的机制下java程序却不能直接拥有Kerberos票据对应的权限。解决方案是在类com.nexr.rhive.hive.DatabaseConnection的代码 (java代码位于/RHive/RHive/inst/javasrc/src/目录下)，在connect()方法里加上以下语句。

package com.nexr.rhive.hive;
class DatabaseConnection { 
        @SuppressWarnings("deprecation")
        boolean connect() throws SQLException {
            //加上的语句，使 RHive调用的java程序能够拥有kerberos权限
            System.setProperty("javax.security.auth.useSubjectCredsOnly","false"); 
            ...     //函数体其余语句
            return true;
}                 

      Hive可访问jar包的路径下，因为测试集群上的 sentry限制了程序对Hive的add jar操作，所以这条语句在RHive执行不通过，我们需要将其注释后，手动将rhive_udf.jar添加到Hive可以搜索的目录下。然后修改/etc/profile文件文件，增加HADOOP_HOME环境变量：

     HADOOP_HOME=/opt/cloudera/parcels/CDH-5.1.3-1.cdh5.1.3.p0.12/lib/hadoop/

     回到~/$INS_TMP/RHive目录, 重新对RHive代码进行编译：

> sudo ant build
> sudo R CMD build RHive
> sudo R CMD INSTALL RHive_2.0-0.10.tar.gz

    ~/$INS_TMP/RHive目录下生成的RHive_2.0-0.10.tar.gz即为RHive安装包。

    在正式使用RHive之前，还需要进行一些配置。RHive会将rhive_udf.jar复制到每台机器上对应的目录下，默认目录为/hive，可以通过/RHive/RHive/R/macro.R里的.DEFAULT_FS_HOME进行修改，这里我们修改为/user/rhive，注意修改后要进行重新编译。

    在所有机器上都创建/user/rhive目录，并修改其属性，使所有用户对其都有读写权限。

> sudo mkdir -p /rhive/data
> sudo chmod 777 -R /rhive/data

      由于刚才我们在RHive的R代码中注释了hiveClient$addJar(.FS_JAR_PATH())一行，现在每台机器上都存在/rhive/data目录，并且RHive在执行过程中会自动将rhive_udf.jar添加到该路径下，此时可更改hive_site.xml的配置，在hive.aux.jars.path加上路径/rhive/data/rhive_udf.jar以使hive能够找到rhive_udf.jar。在cloudera manager下，这步操作可以在hive对应的配置页更改, 地址是http://host:port/cmf/services/38/config的格式。

     设置完毕后重启hive。以下用的是169机器上的hiveserver2。

     测试代码见test_rHive.r，调用RHive的核心部分如下，

#请确保以下路径配置正确
Sys.setenv(JAVA_LIBRARY_PATH="/opt/cloudera/parcels/CDH-5.1.3-1.cdh5.1.3.p0.12/lib/hadoop/lib/native");
Sys.setenv(HADOOP_HOME="/opt/cloudera/parcels/CDH-5.1.3-1.cdh5.1.3.p0.12/lib/hadoop");
Sys.setenv(HIVE_HOME="/opt/cloudera/parcels/CDH-5.1.3-1.cdh5.1.3.p0.12/lib/hive/");
Sys.setenv(HADOOP_CONF="/etc/hadoop/conf");
Sys.setenv(DEFAULT_FS="/user/rhive");

library(RHive)
rhive.init() #rhive.init(verbose = TRUE)
rhive.env()

rhive.connect(host = "bj1-241-centos169", port = "10000",hiveServer2=TRUE, properties="hive.principal=hive/[email protected]")
rhive.query('select count(*) from test')
rhive.close()
q()

　　

　　

可能出现的问题：

      (1)执行rhive.connect()函数后抛出异常javax.security.sasl.SaslException: GSS initiate failed [Caused by GSSException: No valid credentials provided (Mechanism level: Failed to find any Kerberos tgt)]，而用beeline进行连接，输入

!connect jdbc:hive2://192.168.241.169:10000/default;principal=hive/[email protected]

连接正常，可能原因是kerberos对RHive调用的java程序没有授权，详细的 异常信息打印如下：

更改DatabaseConnection类下的connecr()函数即可， 即加上语句

System.setProperty("javax.security.auth.useSubjectCredsOnly","false"); 

      (2)RHive执行connect()成功，但出现异java.sql.SQLException: Insufficient privileges to execute ADD, 图例如下(原始的RHive代码在出现这个问题时没有打印栈信息, 为了演示方便我手动加上了栈信息的打印)：

           出现这个问题的可能原因是sentry限制了对hive的add jar操作，将 rhive.R中的connect()函数进行修改，注释hiveClient$addJar后手动添加rhive_udf.jar路径，即可解决。