Centos7环境下Hive的安装

Centos7环境下Hive的安装

• 前言
• 一、安装Hive
• • 1.1 下载并解压
  • 1.2 配置环境变量
  • 1.3 修改配置
  • • 1. hive-env.sh
    • 2. hive-site.xml
  • 1.4 拷贝数据库驱动
  • 1.5 初始化元数据库
  • • 报错
  • 1.6 安装MySQL
  • 1.7 启动
• 二、HiveServer2/beeline
• • 2.1 修改Hadoop配置
  • 2.2 修改Hive配置
  • 2.2 启动hiveserver2
  • 2.3 使用beeline
• 参考文章

前言

对于hive的安装和使用，需要先完成如下配置：

• Hadoop集群(Hadoop搭建集群)
• 安装HBase数据库(HBase数据库搭建)

一、安装Hive

1.1 下载并解压

下载所需版本的 Hive，这里我下载版本为 apache-hive-3.1.2-bin.tar.gz

下载地址：https://archive.apache.org/dist/hive/hive-3.1.2/

# 使用wget命令下载
wget https://archive.apache.org/dist/hive/hive-3.1.2/apache-hive-3.1.2-bin.tar.gz

下载后进行解压

tar -zxvf apache-hive-3.1.2-bin.tar.gz -C /opt/module/hive-3.1.2

1.2 配置环境变量

# 这里修改自己的环境变量文件
vim /etc/profile.d/my_env.sh

添加环境变量：

#HIVE_HOME
export HIVE_HOME=/opt/module/hive-3.1.2
export PATH=$PATH:$HIVE_HOME/bin

让环境变量生效：

source /etc/profile.d/my_env.sh

1.3 修改配置

1. hive-env.sh

进入安装目录下的 conf/ 目录，拷贝 Hive 的环境配置模板 flume-env.sh.template

cd /opt/module/hive-3.1.2/conf/
cp hive-env.sh.template hive-env.sh

修改 hive-env.sh，指定 Hadoop 的安装路径：

HADOOP_HOME=/opt/module/hadoop-3.1.3

2. hive-site.xml

新建 hive-site.xml 文件，内容如下，主要是配置存放元数据的 MySQL 的地址、驱动、用户名和密码等信息：

vim hive-site.xml

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
  <property>
    <name>javax.jdo.option.ConnectionURL</name>
    <value>jdbc:mysql://hadoop101:3306/hadoop_hive?createDatabaseIfNotExist=true</value>
  </property>
  <property>
    <name>javax.jdo.option.ConnectionDriverName</name>
    <value>com.mysql.jdbc.Driver</value>
  </property>
  <property>
    <name>javax.jdo.option.ConnectionUserName</name>
    <value>root</value>
  </property>
  <property>
    <name>javax.jdo.option.ConnectionPassword</name>
    <value>111111</value>
  </property>
</configuration>

1.4 拷贝数据库驱动

将 MySQL 驱动包拷贝到 Hive 安装目录的 lib 目录下, MySQL 驱动的下载地址为：https://dev.mysql.com/downloads/connector/j/

解压后上传jar包到服务器

1.5 初始化元数据库

• 当使用的 hive 是 1.x 版本时，可以不进行初始化操作，Hive

  会在第一次启动的时候会自动进行初始化，但不会生成所有的元数据信息表，只会初始化必要的一部分，在之后的使用中用到其余表时会自动创建；

• 当使用的 hive 是 2.x及以上版本时，必须手动初始化元数据库。初始化命令：

# schematool 命令在安装目录的 bin 目录下，由于上面已经配置过环境变量，在任意位置执行即可
schematool -dbType mysql -initSchema

这里我使用的是hive-3.1.2-bin.tar.gz，需要手动初始化元数据库。

报错

这里执行后会出现如下报错：

Exception in thread "main" java.lang.NoSuchMethodError: com.google.common.base.Preconditions.checkArgument(ZLjava/lang/String;Ljava/lang/Object;)V

原因是hadoop和hive的两个guava.jar版本不一致，两个jar位置分别位于下面两个目录：

find -name guava*

解决办法是删除低版本的那个，将高版本的复制到低版本目录下

cd /opt/module/hive-3.1.2/lib/
rm -rf guava-19.0.jar
cp /opt/module/hadoop-3.1.3/share/hadoop/common/lib/guava-27.0-jre.jar .

hive默认是derby数据库，但是前面已经配置了mysql，如果没有安装mysql的话会报如下错误：

可以先把前面配置的hive-site.xml文件删掉，再执行schematool -dbType derby -initSchema命令(后面改用mysql数据库时记得重新创建)，即可成功初始化元数据库。

1.6 安装MySQL

由于之前已经写过安装mysql的文章，这里就不在赘述，直接放连接云服务器上配置Mysql

连接：https://blog.csdn.net/m0_70405779/article/details/140735557

安装好mysql后可以执行如下命令初始化元数据库

schematool -dbType mysql -initSchema

可以进到mysql中查看，已经创建了前面xml文件中设置的hadoop_hive数据库

1.7 启动

启动hive之前先确保hadoop集群是否启动，没有就启动一下

# 配置了hadoop环境路径的话可以直接执行
start-all.sh

由于已经将 Hive 的 bin 目录配置到环境变量，直接使用以下命令启动，成功进入交互式命令行后执行 show databases 命令，无异常则代表搭建成功。

hive

使用hive

hive> show databases;
hive> show tables;
hive> create table stu(id int, name string);
hive> insert into stu values(1,"chen");
hive> select * from stu;

问题记录

这里再hive中执行insert语句时可能会卡住

可以先退出来，重新进入hive，执行如下命令
set hive.exec.mode.local.auto=true;
set hive.exec.mode.local.auto.inputbytes.max=50000000;
set hive.exec.mode.local.auto.input.files.max=5;

然后再次执行插入语句

二、HiveServer2/beeline

Hive 内置了 HiveServer 和 HiveServer2 服务，两者都允许客户端使用多种编程语言进行连接，但是 HiveServer 不能处理多个客户端的并发请求，因此产生了 HiveServer2。HiveServer2（HS2）允许远程客户端可以使用各种编程语言向 Hive 提交请求并检索结果，支持多客户端并发访问和身份验证。HS2 是由多个服务组成的单个进程，其包括基于 Thrift 的 Hive 服务（TCP 或 HTTP）和用于 Web UI 的 Jetty Web 服务。

HiveServer2 拥有自己的 CLI 工具------Beeline。Beeline 是一个基于 SQLLine 的 JDBC 客户端。由于目前 HiveServer2 是 Hive 开发维护的重点，所以官方更加推荐使用 Beeline 而不是 Hive CLI。以下主要讲解 Beeline 的配置方式。

2.1 修改Hadoop配置

修改 hadoop 集群的 core-site.xml 配置文件，增加如下配置，指定 hadoop 的 root 用户可以代理本机上所有的用户。

<property>
 <name>hadoop.proxyuser.root.hosts</name>
 <value>*</value>
</property>
<property>
 <name>hadoop.proxyuser.root.groups</name>
 <value>*</value>
</property>

之所以要配置这一步，是因为 hadoop 2.0 以后引入了安全伪装机制，使得 hadoop 不允许上层系统（如 hive）直接将实际用户传递到 hadoop 层，而应该将实际用户传递给一个超级代理，由该代理在 hadoop 上执行操作，以避免任意客户端随意操作 hadoop。如果不配置这一步，在之后的连接中可能会抛出 AuthorizationException 异常。

关于 Hadoop 的用户代理机制，可以参考：hadoop 的用户代理机制 或 Superusers Acting On Behalf Of Other Users

2.2 修改Hive配置

在hive-site.xml文件中添加如下配置信息:

<!-- 指定hiveserver2连接的host -->
<property>
	<name>hive.server2.thrift.bind.host</name>
	<value>hadoop001</value>
</property>

<!-- 指定hiveserver2连接的端口号 -->
<property>
	<name>hive.server2.thrift.port</name>
	<value>10000</value>
</property>

2.2 启动hiveserver2

由于上面已经配置过环境变量，这里直接启动即可：

hive --service hiveserver2
# 或者
# nohup hiveserver2 &

2.3 使用beeline

可以使用以下命令进入 beeline 交互式命令行，出现 Connected 则代表连接成功。

bin/beeline -u jdbc:hive2://hadoop101:10000 -n root

参考文章

• Linux环境下Hive的安装
• HIve安装配置（超详细）