Hive HBase 集群整合

来源：互联网发布：java 文件md5校验码编辑：程序博客网时间：2024/06/14 16:48

转载自：http://www.congci.com/item/hive-hbase-jiqun-combin

Hive不用装在Slave上

1)启动Hbase,

要求hbase-0.20.3，zookeeper-3.2.2
如果使用的不是hbase-0.20.3需要重新编译hive_hbase-handler.jar

2)单节点HBase的连接
./bin/hive -hiveconf hbase.master=master:60000

3)集群HBase的连接
1.启动zookeeper
2.启动hbase
3.启动hive，添加zookeeper的支持

./bin/hive -hiveconf hbase.zookeeper.quorum= master,slave-A,slave-B  

//所有的zookeeper节点

插入数据
启动

./bin/hive --auxpath /data/soft/hive/lib/hive_hbase-handler.jar,/data/soft/hive/lib/hbase-0.20.3.jar,/data/soft/hive/lib/zookeeper-3.2.2.jar  -hiveconf hbase.zookeeper.quorum=slave-001,slave-002,slave-003  

hive
1.创建hbase识别的数据库

Java代码  
CREATE TABLE hbase_table_1(key int, value string)   
STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'  
WITH SERDEPROPERTIES ("hbase.columns.mapping" = ":key,cf1:val")  
TBLPROPERTIES ("hbase.table.name" = "xyz");  

hbase.table.name 定义在hbase的table名称
hbase.columns.mapping 定义在hbase的列族

2.使用sql导入数据
i.预先准备数据
a)新建hive的数据表

Java代码  
CREATE TABLE pokes (foo INT, bar STRING);   

b）批量插入数据

Java代码  
hive> LOAD DATA LOCAL INPATH './examples/files/kv1.txt' OVERWRITE INTO TABLE pokes;   

这个文件位于hive的安装目录下，examples/files/kv1.txt

Java代码  
ii.使用sql导入hbase_table_1  

Java代码  
INSERT OVERWRITE TABLE hbase_table_1 SELECT * FROM pokes WHERE foo=86;  

注意，默认的启动会报错的
FAILED: Execution Error, return code 2 from org.apache.hadoop.hive.ql.exec.ExecDriver
启动的时候要添加

Java代码  
-auxpath /data/soft/hive/lib/hive_hbase-handler.jar,/data/soft/hive/lib/hbase-0.20.3.jar,/data/soft/hive/lib/zookeeper-3.2.2.jar  

3查看数据

Java代码  
hive> select * from  hbase_table_1;  

会显示刚刚插入的数据
86 val_86

hbase
1.登录hbase

Java代码  
[root@master hbase]# ./bin/hbase shell  

2.查看表结构

Java代码  
hbase(main):001:0> describe 'xyz'  
DESCRIPTION                                                             ENABLED                                 
 {NAME => 'xyz', FAMILIES => [{NAME => 'cf1', COMPRESSION => 'NONE', VE true                                    
 RSIONS => '3', TTL => '2147483647', BLOCKSIZE => '65536', IN_MEMORY =>                                         
  'false', BLOCKCACHE => 'true'}]}                                                                              
1 row(s) in 0.7460 seconds  

3.查看加载的数据

Java代码  
hbase(main):002:0> scan 'xyz'  
ROW                          COLUMN+CELL                                                                                         
 86                          column=cf1:val, timestamp=1297690405634, value=val_86    

1 row(s) in 0.0540 seconds
可以看到，在hive中添加的数据86，已经在hbase中了

4.添加数据

Java代码  
' hbase(main):008:0> put 'xyz','100','cf1:val','www.360buy.com'    
0 row(s) in 0.0630 seconds  

Hive
参看hive中的数据

Java代码  
hive> select * from hbase_table_1;                                              
OK  
100     www.360buy.com  
86      val_86  
Time taken: 8.661 seconds  

刚刚在hbase中插入的数据，已经在hive里了

hive访问已经存在的hbase
使用CREATE EXTERNAL TABLE

Java代码  
CREATE EXTERNAL TABLE hbase_table_2(key int, value string)   
STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'  
WITH SERDEPROPERTIES ("hbase.columns.mapping" = "cf1:val")  
TBLPROPERTIES("hbase.table.name" = "some_existing_table");  

三、多列和多列族（Multiple Columns and Families）
1．创建数据库

Java代码  
CREATE TABLE hbase_table_2(key int, value1 string, value2 int, value3 int)   
STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'  
WITH SERDEPROPERTIES (  
"hbase.columns.mapping" = ":key,a:b,a:c,d:e"  
);  

2.插入数据

Java代码  
INSERT OVERWRITE TABLE hbase_table_2 SELECT foo, bar, foo+1, foo+2   
FROM pokes WHERE foo=98 OR foo=100;  

这个有3个hive的列（value1和value2，value3），2个hbase的列族（a，d）
Hive的2列（value1和value2）对应1个hbase的列族（a，在hbase的列名称b，c），hive的另外1列（value3）对应列（e）位于列族（d）

3.登录hbase查看结构

Java代码  
hbase(main):003:0> describe "hbase_table_2"  
DESCRIPTION                                                             ENABLED                                 
 {NAME => 'hbase_table_2', FAMILIES => [{NAME => 'a', COMPRESSION => 'N true                                    
 ONE', VERSIONS => '3', TTL => '2147483647', BLOCKSIZE => '65536', IN_M                                         
 EMORY => 'false', BLOCKCACHE => 'true'}, {NAME => 'd', COMPRESSION =>                                          
 'NONE', VERSIONS => '3', TTL => '2147483647', BLOCKSIZE => '65536', IN                                         
 _MEMORY => 'false', BLOCKCACHE => 'true'}]}                                                                    
1 row(s) in 1.0630 seconds  

4.查看hbase的数据

Java代码  
hbase(main):004:0> scan 'hbase_table_2'  
ROW                          COLUMN+CELL                                                                        
 100                         column=a:b, timestamp=1297695262015, value=val_100                                 
 100                         column=a:c, timestamp=1297695262015, value=101                                     
 100                         column=d:e, timestamp=1297695262015, value=102                                     
 98                          column=a:b, timestamp=1297695242675, value=val_98                                  
 98                          column=a:c, timestamp=1297695242675, value=99                                      
 98                          column=d:e, timestamp=1297695242675, value=100                                     
2 row(s) in 0.0380 seconds  

5.在hive中查看

Java代码  
hive> select * from hbase_table_2;  
OK  
100     val_100 101     102  
98      val_98  99      100  
Time taken: 3.238 seconds  

使用HIVE的WEB界面：HWI

HWI是Hive Web Interface的简称，是hive cli的一个web替换方案。

关于如何搭建Hive平台，可以参考：搭建Hive平台

但是目前这个功能做的比较简陋，这篇文章我们一起来看看如何使用hive中自带的hwi来进行操作。

打开HWI

假设hive部署在10.20.151.7机器上，conf/hive-default.xml文件都是默认值，那么我们直接在浏览器中输入：http://10.20.151.7:9999/hwi/ 就可以访问了。

访问SCHEMA信息（BROWSE SCHEMA）

我们在web界面点击Browsers Schema或者输入：http://10.20.151.7:9999/hwi/show_databases.jsp，就可以浏览了：

界面中显示的是当前可以使用的数据库信息，只包含一个数据库（default），我们再点击default，就可以看到default数据库中包含的所有表的信息了。

我们可以看到，有3个表的信息，继续点击表名，就可以看到更加详细的表结构信息了，如我们点击pokes：

这就是浏览schema信息的功能，用于替换cli中的show tables的功能。

查看系统诊断信息（DIAGNOSTICS）

我们点击Diagnostics，就可以看到系统的相关诊断信息，如：

用户认证（AUTHORIZE），创建会话（CREATE SESSION）与会话管理（LIST SESSIONS）

在讲解这些功能之前，我们需要先了解一下用户认证与会话之间的关系。

在hwi中的用户认证需要输入用户名和用户组，如：

每一个用户认证（Authorize）信息对应着一组会话（session）。这些数据在hive重启后，session信息都会丢失。

在创建Hive查询之前，我们需要创建一个会话（session），点击Create Session即可。

我们再点击List Sessions，就可以看到该用户认证（Authorize）上所对应的所以的会话组了。

执行查询

绝大多数情况下，我们不需要设置用户认证（Authorize）信息，假设我们没有设置用户认证（Authorize）信息，然后创建了一个session为s1

点击List Sessions后，可以看到如下界面：

点击Manager后，我们就进入到查询界面了：

我们可以直接在Query中填写查询语句，然后在Result中执行输出文件名称，同时将Start Query设置为Yes，如：

注意，这里的查询语句与cli有一点点不同，查询语句最后没有分号（；）。

点击“提交查询内容”后，我们可以看到如下界面：

这个时候，我们可以点击View File查看结果信息：

这样，我们就完成查询了。

同时我们可以在hive的安装目录的更目录下找到这个s1_result文件。

HWI与CLI对比

如果使用过cli的朋友看了上面的介绍，一定会发现一个很严重的问题：执行的过程没有提示。我们不知道某一个查询执行是什么时候结束的。

总结一下HWI与CLI对比的优缺点：

优点：HWI支持浏览器的方式浏览，方便直观。

缺点：无执行过程提示。

我个人还是更倾向于使用cli的方式:)