Apache Airflow (十一) :HiveOperator及调度HQL

🏡 个人主页IT贫道_大数据OLAP体系技术栈,Apache Doris,Clickhouse 技术-CSDN博客

🚩 私聊博主:加入大数据技术讨论群聊,获取更多大数据资料。

🔔 博主个人B栈地址:豹哥教你大数据的个人空间-豹哥教你大数据个人主页-哔哩哔哩视频


目录

[1. HiveOperator配置](#1. HiveOperator配置)

[2. HiveOperator调度HQL案例](#2. HiveOperator调度HQL案例)


1. HiveOperator配置

可以通过HiveOperator直接操作Hive SQL ,HiveOperator的参数如下:

bash 复制代码
hql(str):需要执行的Hive SQL。

hive_cli_conn_id(str):连接Hive的conn_id,在airflow webui connection中配置的。

想要在airflow中使用HiveOperator调用Hive任务,首先需要安装以下依赖并配置Hive Metastore:

bash 复制代码
#切换Python37环境

[root@node4 ~]# conda activate python37



#安装hive provider package

(python37) [root@node4 ~]# pip install apache-airflow-providers-apache-hive==2.0.2



#启动airflow

(python37) [root@node4 ~]# airflow webserver --port 8080

(python37) [root@node4 ~]# airflow scheduler

登录Airflow webui并设置Hive Metastore,登录后找到"Admin"->"Connections",点击"+"新增配置:

2. HiveOperator调度HQL案例

1) 启动Hive,准备表

启动HDFS、Hive Metastore,在Hive中创建以下三张表:

bash 复制代码
create table person_info(id int,name string,age int) row format delimited fields terminated by '\t';



create table score_info(id int,name string,score int) row format delimited fields terminated by '\t';

向表 person_info加载如下数据:

bash 复制代码
1 zs 18

2 ls 19

3 ww 20

向表score_info加载如下数据:

bash 复制代码
1 zs 100

2 ls 200

3 ww 300

2) 在node4节点配置Hive 客户端

由于Airflow 使用HiveOperator时需要在Airflow安装节点上有Hive客户端,所以需要在node4节点上配置Hive客户端。

将Hive安装包上传至node4 "/software"下解压,并配置Hive环境变量

bash 复制代码
#在/etc/profile文件最后配置Hive环境变量

export HIVE_HOME=/software/hive-1.2.1

export PATH=$PATH:$HIVE_HOME/bin



#使环境变量生效

source /etc/profile

修改HIVE_HOME/conf/hive-site.xml ,写入如下内容:

XML 复制代码
<configuration>

 <property>

  <name>hive.metastore.warehouse.dir</name>

  <value>/user/hive/warehouse</value>

 </property>

 <property>

  <name>hive.metastore.local</name>

  <value>false</value>

 </property>

 <property>

  <name>hive.metastore.uris</name>

  <value>thrift://node1:9083</value>

 </property>

</configuration>

3) 编写DAG python配置文件

注意在本地开发工具编写python配置时,需要用到HiveOperator,需要在本地对应的python环境中安装对应的provider package。

cpp 复制代码
C:\Users\wubai>d:

D:\>cd d:\ProgramData\Anaconda3\envs\python37\Scripts

d:\ProgramData\Anaconda3\envs\python37\Scripts>pip install apache-airflow-providers-apache-hive==2.0.2

注意:这里本地安装也有可能缺少对应的C++环境,我们也可以不安装,直接跳过也可以。

Python配置文件:

python 复制代码
from datetime import datetime, timedelta
from airflow import DAG
from airflow.providers.apache.hive.operators.hive import HiveOperator

default_args = {
    'owner':'wangwu',
    'start_date':datetime(2021, 9, 23),
    'retries': 1,  # 失败重试次数
    'retry_delay': timedelta(minutes=5) # 失败重试间隔
}

dag = DAG(
    dag_id = 'execute_hive_sql',
    default_args=default_args,
    schedule_interval=timedelta(minutes=1)
)

first=HiveOperator(
    task_id='person_info',
    hive_cli_conn_id="node1-hive-metastore",
    hql='select id,name,age from person_info',
    dag = dag
)

second=HiveOperator(
    task_id='score_info',
    hive_cli_conn_id="node1-hive-metastore",
    hql='select id,name,score from score_info',
    dag=dag
)

third=HiveOperator(
    task_id='join_info',
    hive_cli_conn_id="node1-hive-metastore",
    hql='select a.id,a.name,a.age,b.score from person_info a join score_info b on a.id = b.id',
    dag=dag
)

first >> second >>third

4) 调度python配置脚本

将以上配置好的python文件上传至node4节点$AIRFLOW_HOME/dags下,重启Airflow websever与scheduler,登录webui,开启调度:

调度结果如下:


相关推荐
IT贫道1 年前
Apache Airflow (十四) :Airflow分布式集群搭建及测试
airflow
IT贫道1 年前
Apache Airflow (十三) :Airflow分布式集群搭建及使用-原因及
airflow
IT贫道1 年前
Apache Airflow (九) :Airflow Operators及案例之BashOperator及调度Shell命令及脚本
airflow
IT贫道1 年前
Apache Airflow (八) :DAG任务依赖设置
airflow
IT贫道1 年前
Apache Airflow (三) :Airflow WebUI操作介绍
airflow
IT贫道1 年前
Apache Airflow (二) : Airflow单机搭建
airflow