spark+hive-分布式-大数据项目篇 2——Hive3.1.3安装配置

组件配置

Ubuntu20.04， JDK8 Hadoop3.3.4， Hive3.1.3， MYSQL8.0.42 Spark3.4.4

Hive3.1.3安装配置

#确保 Hadoop 服务正常运行

bash 复制代码

# 1. 检查 Hadoop 进程（必须看到 NameNode/ResourceManager）
jps
# 2. 若未启动，先启动 Hadoop
start-dfs.sh
start-yarn.sh

第一步：解压 Hive 安装包到系统目录

解压安装包到 /usr/local/

bash 复制代码

sudo tar -zxvf ~/apache-hive-3.1.3-bin.tar.gz -C /usr/local/

# 仅修改文件夹权限（避免操作权限不足）
sudo chown -R $USER:$USER /usr/local/apache-hive-3.1.3-bin

# 给用户加个软链接
ln -s /usr/local/apache-hive-3.1.3-bin hive-3.1.3

第二步：安装配置 Hive 3.1.3

bash 复制代码

sudo nano /etc/profile
# Hive 环境变量（在文件末尾添加）
export HIVE_HOME=/usr/local/apache-hive-3.1.3-bin
export HIVE_CONF_DIR=$HIVE_HOME/conf
export PATH=$HIVE_HOME/bin:$PATH

source /etc/profile
【新开终端 / 重启后，未重新 source /etc/profile，配置不生效】
【要永久生效则要添加到~/.bashrc 里】
验证是否生效：hive --version

第三步：解决 Hive 与 Hadoop 的日志依赖冲突（必做！第三步：解决 Hive 与 Hadoop 的日志依赖冲突（必做！）

【Hive 3.1.3 和 Hadoop 3.3.4 存在日志包冲突，不处理会启动报错】

bash 复制代码

# 删除 Hive 中冲突的日志包
rm -rf $HIVE_HOME/lib/log4j-slf4j-impl-2.17.1.jar

第四步：修改 Hive 核心配置文件

新建 / 修改 hive-site.xml（核心配置）

xml 复制代码

nano $HIVE_HOME/conf/hive-site.xml

清空原有内容，粘贴以下配置（适配 Hadoop 3.3.4 + node1 主机名）：
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
    <!-- 1. 指定 Hive 数据仓库在 HDFS 的元数据的存储路径 -->
    <property>
        <name>hive.metastore.warehouse.dir</name>
        <value>/user/hive/warehouse</value>
    </property>
    <!-- 2. 指定 Hive 临时文件路径 -->
    <property>
        <name>hive.exec.scratchdir</name>
        <value>/tmp/hive</value>
    </property>
    <!-- 3. 指定 HDFS 地址（和 Hadoop core-site.xml 一致） -->
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://node1:9000</value>
    </property>
    <!-- 4. 元数据存储方式：本地 Derby（新手推荐，无需额外安装数据库） -->
    <property>
        <name>javax.jdo.option.ConnectionURL</name>
        <value>jdbc:derby:;databaseName=/usr/local/apache-hive-3.1.3-bin/metastore_db;create=true</value>
    </property>
    <property>
        <name>javax.jdo.option.ConnectionDriverName</name>
        <value>org.apache.derby.jdbc.EmbeddedDriver</value>
    </property>
    <!-- 5. 关闭元数据存储授权（新手友好） -->
    <property>
        <name>javax.jdo.option.ConnectionUserName</name>
        <value>hive</value>
    </property>
    <property>
        <name>javax.jdo.option.ConnectionPassword</name>
        <value>hive</value>
    </property>
    <!-- 6. 关闭 Hive 权限检查（新手友好） -->
    <property>
        <name>hive.security.authorization.enabled</name>
        <value>false</value>
    </property>
    <!-- 7. 开启 Hive CLI 交互模式（解决启动警告） -->
    <property>
        <name>hive.cli.print.current.db</name>
        <value>true</value>
    </property>
    <property>
        <name>hive.cli.print.header</name>
        <value>true</value>
    </property>
    <!-- 8. 适配 Hadoop 3.x 版本（关键） -->
    <property>
        <name>hive.metastore.schema.verification</name>
        <value>false</value>
    </property>
</configuration>

修改 hive-env.sh（指定 Hadoop 路径）

bash 复制代码

# 复制模板文件
cp $HIVE_HOME/conf/hive-env.sh.template $HIVE_HOME/conf/hive-env.sh
# 编辑配置
nano $HIVE_HOME/conf/hive-env.sh

在文件末尾添加：
# 指定 Hadoop 安装路径
export HADOOP_HOME=/usr/local/hadoop-3.3.4
# 指定 Hive 配置文件路径
export HIVE_CONF_DIR=/usr/local/apache-hive-3.1.3-bin/conf
# 指定 JAVA_HOME
export JAVA_HOME=/usr/lib/jvm/java-8-openjdk-amd64

第五步：初始化 Hive 元数据（仅首次执行）

【Hive 安装时，要在HDFS上创建Hive 所需目录，需要 HDFS 在线】

bash 复制代码

# 在 HDFS 上创建 Hive 所需目录（存储元数据、临时文件）：
hdfs dfs -mkdir -p /user/hive/warehouse
hdfs dfs -mkdir -p /tmp/hive
# 修改目录权限（避免读写报错）
hdfs dfs -chmod 777 /user/hive/warehouse
hdfs dfs -chmod 777 /tmp/hive
报的一个警告：util.NativeCodeLoader工具类加载失败
【这个类加载失败， "原生库就用不了"】
【原生库能用就用，不能用就自动切换到纯 Java 实现】

初始化元数据（Derby 模式）

复制代码

schematool -initSchema -dbType derby

#报警告：

（schematool 是为 MySQL/PostgreSQL 等主流数据库设计的，对 Derby 的兼容性不好，最后一步检查失败了，但不影响 Hive 运行）【为了兼容，可以Derby换成MYSQL】
【MySQL/PostgreSQL 场景： Hive 会在元数据库中创建一个名为 HIVE 的独立 Schema（相当于「数据库下的子命名空间」），所有元数据表都放在这个 Schema 下，所以 schematool 检查 HIVE Schema 能找到，校验通过。】
【Derby 场景： Derby 是轻量级嵌入式数据库，没有「独立 Schema」的概念 ------ 它只有「用户」的概念，默认把所有表创建在内置的 APP 用户下，而非 HIVE Schema。但 schematool 不管数据库类型，一律执行 SELECT * FROM "HIVE"."VERSION" 检查，自然找不到，就抛出「Schema 'HIVE' does not exist」的误报。】

第六步：启动 Hive 并验证

sql 复制代码

# 启动 Hive CLI（命令行交互）
hive

验证操作（在 Hive CLI 中执行）：
-- 1. 创建测试数据库
create database test_db;

-- 2. 查看数据库列表
show databases;

-- 3. 使用测试数据库
use test_db;

-- 4. 创建测试表
create table test_table (id int, name string);

-- 5. 插入测试数据
insert into test_table values (1, 'hive_test');

-- 6. 查询数据（能查到结果说明配置成功）
select * from test_table;

退出 Hive CLI：
exit;

第七步：验证 Hive 数据存储在 HDFS

回到 Hadoop Web 界面（http://node1:9870），
点击 Utilities → Browse the file system，进入 /user/hive/warehouse/test_db.db/test_table，
能看到插入数据的文件，说明 Hive 与 HDFS 连通正常。