Hive 简明教程

Hive - Installation

Hive、Pig 和 HBase 等所有 Hadoop 子项目都支持 Linux 操作系统。因此，你需要安装任何 Linux 操作系统。对于 Hive 安装，执行以下简单步骤：

Step 1: Verifying JAVA Installation

在安装 Hive 之前，必须在你的系统上安装 Java。让我们使用以下命令验证 Java 安装：

$ java –version

如果系统中已经安装了 Java，您将看到以下响应：

java version "1.7.0_71"
Java(TM) SE Runtime Environment (build 1.7.0_71-b13)
Java HotSpot(TM) Client VM (build 25.0-b02, mixed mode)

如果您的系统中未安装 java，请按照以下步骤安装 java。

Installing Java

Step I:

通过访问以下链接下载 java (JDK <最新版本> - X64.tar.gz) [role="bare"] [role="bare"]http://www.oracle.com/technetwork/java/javase/downloads/jdk7-downloads-1880260.htmlhttp://www.oracle.com/technetwork/java/javase/downloads/jdk7-downloads-1880260.html .

然后系统将会下载 jdk-7u71-linux-x64.tar.gz。

Step II:

通常，您将在下载文件夹中找到下载的 java 文件。使用以下命令对文件进行验证并提取 jdk-7u71-linux-x64.gz 文件。

$ cd Downloads/
$ ls
jdk-7u71-linux-x64.gz
$ tar zxf jdk-7u71-linux-x64.gz
$ ls
jdk1.7.0_71 jdk-7u71-linux-x64.gz

Step III:

为了让所有用户都可以使用 java，您必须将其移动到 “/usr/local/” 位置。打开 root，并键入以下命令。

$ su
password:
# mv jdk1.7.0_71 /usr/local/
# exit

Step IV:

为设置 PATH 和 JAVA_HOME 变量，将以下命令添加到 ~/.bashrc 文件中。

export JAVA_HOME=/usr/local/jdk1.7.0_71
export PATH=$PATH:$JAVA_HOME/bin

现在将所有更改应用到当前正在运行的系统中。

$ source ~/.bashrc

Step V:

使用以下命令配置 Java 替代项：

# alternatives --install /usr/bin/java/java/usr/local/java/bin/java 2

# alternatives --install /usr/bin/javac/javac/usr/local/java/bin/javac 2

# alternatives --install /usr/bin/jar/jar/usr/local/java/bin/jar 2

# alternatives --set java/usr/local/java/bin/java

# alternatives --set javac/usr/local/java/bin/javac

# alternatives --set jar/usr/local/java/bin/jar

现在，使用上述说明，通过终端运行 java -version 命令来验证安装。

Step 2: Verifying Hadoop Installation

在安装 Hive 之前，必须在系统上安装 Hadoop。让我们使用以下命令验证 Hadoop 安装：

$ hadoop version

如果系统中已经安装了 Hadoop，那么您将得到以下响应：

Hadoop 2.4.1 Subversion https://svn.apache.org/repos/asf/hadoop/common -r 1529768
Compiled by hortonmu on 2013-10-07T06:28Z
Compiled with protoc 2.5.0
From source with checksum 79e53ce7994d1628b240f09af91e1af4

如果系统中没有安装 Hadoop，那么请执行以下步骤：

Downloading Hadoop

使用以下命令从 Apache 软件基金会下载并解压缩 Hadoop 2.4.1。

$ su
password:
# cd /usr/local
# wget http://apache.claz.org/hadoop/common/hadoop-2.4.1/
hadoop-2.4.1.tar.gz
# tar xzf hadoop-2.4.1.tar.gz
# mv hadoop-2.4.1/* to hadoop/
# exit

Installing Hadoop in Pseudo Distributed Mode

以下步骤用于在伪分布模式下安装 Hadoop 2.4.1。

Step I: Setting up Hadoop

您可以通过将以下命令追加到 ~/.bashrc 文件来设置 Hadoop 环境变量。

export HADOOP_HOME=/usr/local/hadoop
export HADOOP_MAPRED_HOME=$HADOOP_HOME
export HADOOP_COMMON_HOME=$HADOOP_HOME
export HADOOP_HDFS_HOME=$HADOOP_HOME
export YARN_HOME=$HADOOP_HOME
export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native export
PATH=$PATH:$HADOOP_HOME/sbin:$HADOOP_HOME/bin

现在将所有更改应用到当前正在运行的系统中。

$ source ~/.bashrc

Step II: Hadoop Configuration

您可以在位置 “$HADOOP_HOME/etc/hadoop” 中找到所有 Hadoop 配置文件。根据您的 Hadoop 基础架构，您需要在这些配置文件中进行适当的更改。

$ cd $HADOOP_HOME/etc/hadoop

为了使用 Java 开发 Hadoop 程序，您必须通过将 JAVA_HOME 值替换为您系统中 Java 的位置来在 hadoop-env.sh 文件中重置 Java 环境变量。

export JAVA_HOME=/usr/local/jdk1.7.0_71

下面列出了您必须编辑以配置 Hadoop 的文件列表。

core-site.xml

core-site.xml 文件包含信息，例如用于 Hadoop 实例的端口号、分配给文件系统内存、用于存储数据的内存限制以及读/写缓冲区大小。

打开 core-site.xml，并在 <configuration> 和 </configuration> 标记之间添加以下属性。

<configuration>

   <property>
      <name>fs.default.name</name>
      <value>hdfs://localhost:9000</value>
   </property>

</configuration>

hdfs-site.xml

hdfs-site.xml 文件包含信息，例如，本地文件系统的复制数据的值、名称节点路径和数据节点路径。这意味着您要存储 Hadoop 基础设施的位置。

让我们假设以下数据。

dfs.replication (data replication value) = 1

(In the following path /hadoop/ is the user name.
hadoopinfra/hdfs/namenode is the directory created by hdfs file system.)

namenode path = //home/hadoop/hadoopinfra/hdfs/namenode

(hadoopinfra/hdfs/datanode is the directory created by hdfs file system.)
datanode path = //home/hadoop/hadoopinfra/hdfs/datanode

打开此文件，并在此文件中在 <configuration>、</configuration> 标记之间添加以下属性。

<configuration>

   <property>
      <name>dfs.replication</name>
      <value>1</value>
   </property>
   <property>
      <name>dfs.name.dir</name>
      <value>file:///home/hadoop/hadoopinfra/hdfs/namenode </value>
   </property>
   <property>
      <name>dfs.data.dir</name>
      <value>file:///home/hadoop/hadoopinfra/hdfs/datanode </value >
   </property>

</configuration>

Note: 在上述文件中，所有属性值都是用户定义的，可以根据 Hadoop 基础设施进行修改。

yarn-site.xml

此文件用于将 Yarn 配置到 Hadoop 中。打开 yarn-site.xml 文件并在该文件中的 <configuration>、</configuration> 标记之间添加以下属性。

<configuration>

   <property>
      <name>yarn.nodemanager.aux-services</name>
      <value>mapreduce_shuffle</value>
   </property>

</configuration>

mapred-site.xml

该文件用于指定我们使用的 MapReduce Framework。默认情况下，Hadoop 包含 yarn-site.xml 模板。首先，需要使用以下命令将文件从 mapred-site.xml.template 复制到 mapred-site.xml 文件。

$ cp mapred-site.xml.template mapred-site.xml

打开 mapred-site.xml 文件，并在此文件中的 <configuration>、</configuration> 标记之间添加以下属性。

<configuration>

   <property>
      <name>mapreduce.framework.name</name>
      <value>yarn</value>
   </property>

</configuration>

Verifying Hadoop Installation

以下步骤用于验证 Hadoop 安装。

Step I: Name Node Setup

使用命令 “hdfs namenode -format” 设置名称节点，如下所示。

$ cd ~
$ hdfs namenode -format

预期结果如下所示。

10/24/14 21:30:55 INFO namenode.NameNode: STARTUP_MSG:
/************************************************************
STARTUP_MSG: Starting NameNode
STARTUP_MSG: host = localhost/192.168.1.11
STARTUP_MSG: args = [-format]
STARTUP_MSG: version = 2.4.1
...
...
10/24/14 21:30:56 INFO common.Storage: Storage directory
/home/hadoop/hadoopinfra/hdfs/namenode has been successfully formatted.
10/24/14 21:30:56 INFO namenode.NNStorageRetentionManager: Going to
retain 1 images with txid >= 0
10/24/14 21:30:56 INFO util.ExitUtil: Exiting with status 0
10/24/14 21:30:56 INFO namenode.NameNode: SHUTDOWN_MSG:
/************************************************************
SHUTDOWN_MSG: Shutting down NameNode at localhost/192.168.1.11
 ************************************************************/

Step II: Verifying Hadoop dfs

以下命令用于启动 DFS。执行此命令将启动您的 Hadoop 文件系统。

$ start-dfs.sh

预期的输出如下：

10/24/14 21:37:56
Starting namenodes on [localhost]
localhost: starting namenode, logging to /home/hadoop/hadoop-2.4.1/logs/hadoop-hadoop-namenode-localhost.out
localhost: starting datanode, logging to /home/hadoop/hadoop-2.4.1/logs/hadoop-hadoop-datanode-localhost.out
Starting secondary namenodes [0.0.0.0]

Step III: Verifying Yarn Script

以下命令用于启动 Yarn 脚本。执行此命令将启动您的 Yarn 守护程序。

$ start-yarn.sh

预期的输出如下：

starting yarn daemons
starting resourcemanager, logging to /home/hadoop/hadoop-2.4.1/logs/yarn-hadoop-resourcemanager-localhost.out
localhost: starting nodemanager, logging to /home/hadoop/hadoop-2.4.1/logs/yarn-hadoop-nodemanager-localhost.out

Step IV: Accessing Hadoop on Browser

访问 Hadoop 的默认端口号为 50070。使用以下 URL 在浏览器上获取 Hadoop 服务。

http://localhost:50070/
hadoop browser

Step V: Verify all applications for cluster

访问集群所有应用程序的默认端口号为 8088。使用以下网址访问此服务。

http://localhost:8088/
all applications

Step 3: Downloading Hive

在本教程中，我们使用 hive-0.14.0。您可以通过访问以下链接下载它 http://apache.petsads.us/hive/hive-0.14.0/. 假设它下载到了 /Downloads 目录。在本教程中，我们下载了名为“apache-hive-0.14.0-bin.tar.gz”的 Hive 归档。使用以下命令来验证下载：

$ cd Downloads
$ ls

在成功下载后，你可以看到以下响应：

apache-hive-0.14.0-bin.tar.gz

Step 4: Installing Hive

需要执行以下步骤来在系统上安装 Hive。假设 Hive 归档下载到了 /Downloads 目录。

Extracting and verifying Hive Archive

以下命令用于验证下载并提取 hive 归档：

$ tar zxvf apache-hive-0.14.0-bin.tar.gz
$ ls

在成功下载后，你可以看到以下响应：

apache-hive-0.14.0-bin apache-hive-0.14.0-bin.tar.gz

Copying files to /usr/local/hive directory

我们需要从超级用户“su -”复制文件。以下命令用于将文件从提取目录复制到 /usr/local/hive”目录。

$ su -
passwd:

# cd /home/user/Download
# mv apache-hive-0.14.0-bin /usr/local/hive
# exit

Setting up environment for Hive

您可以添加以下行到 ~/.bashrc 文件以设置 Hive 环境：

export HIVE_HOME=/usr/local/hive
export PATH=$PATH:$HIVE_HOME/bin
export CLASSPATH=$CLASSPATH:/usr/local/Hadoop/lib/*:.
export CLASSPATH=$CLASSPATH:/usr/local/hive/lib/*:.

使用以下命令执行 ~/.bashrc 文件。

$ source ~/.bashrc

Step 5: Configuring Hive

要使用 Hadoop 配置 Hive，您需要编辑 hive-env.sh 文件，它保存在 $HIVE_HOME/conf 目录中。以下命令重定向到 Hive config 文件夹并复制模板文件：

$ cd $HIVE_HOME/conf
$ cp hive-env.sh.template hive-env.sh

通过添加以下行编辑 hive-env.sh 文件：

export HADOOP_HOME=/usr/local/hadoop

完成 Hive 安装。现在，您需要一个外部数据库服务器来配置 Metastore。我们使用 Apache Derby 数据库。

Step 6: Downloading and Installing Apache Derby

执行以下步骤下载并安装 Apache Derby：

Downloading Apache Derby

使用以下命令下载 Apache Derby。下载需要一些时间。

$ cd ~
$ wget http://archive.apache.org/dist/db/derby/db-derby-10.4.2.0/db-derby-10.4.2.0-bin.tar.gz

使用以下命令验证下载：

$ ls

在成功下载后，你可以看到以下响应：

db-derby-10.4.2.0-bin.tar.gz

Extracting and verifying Derby archive

使用以下命令解压并验证 Derby 存档：

$ tar zxvf db-derby-10.4.2.0-bin.tar.gz
$ ls

在成功下载后，你可以看到以下响应：

db-derby-10.4.2.0-bin db-derby-10.4.2.0-bin.tar.gz

Copying files to /usr/local/derby directory

我们需要从超级用户“su -”进行复制。使用以下命令从解压后的目录复制文件到 /usr/local/derby 目录：

$ su -
passwd:
# cd /home/user
# mv db-derby-10.4.2.0-bin /usr/local/derby
# exit

Setting up environment for Derby

您可以添加以下行到 ~/.bashrc 文件以设置 Derby 环境：

export DERBY_HOME=/usr/local/derby
export PATH=$PATH:$DERBY_HOME/bin
Apache Hive
18
export CLASSPATH=$CLASSPATH:$DERBY_HOME/lib/derby.jar:$DERBY_HOME/lib/derbytools.jar

使用以下命令执行 ~/.bashrc 文件：

$ source ~/.bashrc

Create a directory to store Metastore

在 $DERBY_HOME 目录中创建一个名为 data 的目录，用于存储 Metastore 数据。

$ mkdir $DERBY_HOME/data

Derby 安装和环境设置已完成。

Step 7: Configuring Metastore of Hive

配置 Metastore 意味着向 Hive 指定数据库的存储位置。通过编辑 hive-site.xml 文件进行操作，该文件位于 $HIVE_HOME/conf 目录中。首先，使用以下命令复制模板文件：

$ cd $HIVE_HOME/conf
$ cp hive-default.xml.template hive-site.xml

编辑 hive-site.xml ，并在 <configuration> 和 </configuration> 标记之间添加以下行：

<property>
   <name>javax.jdo.option.ConnectionURL</name>
   <value>jdbc:derby://localhost:1527/metastore_db;create=true </value>
   <description>JDBC connect string for a JDBC metastore </description>
</property>

创建一个名为 jpox.properties 的文件，并添加以下行：

javax.jdo.PersistenceManagerFactoryClass =

org.jpox.PersistenceManagerFactoryImpl
org.jpox.autoCreateSchema = false
org.jpox.validateTables = false
org.jpox.validateColumns = false
org.jpox.validateConstraints = false
org.jpox.storeManagerType = rdbms
org.jpox.autoCreateSchema = true
org.jpox.autoStartMechanismMode = checked
org.jpox.transactionIsolation = read_committed
javax.jdo.option.DetachAllOnCommit = true
javax.jdo.option.NontransactionalRead = true
javax.jdo.option.ConnectionDriverName = org.apache.derby.jdbc.ClientDriver
javax.jdo.option.ConnectionURL = jdbc:derby://hadoop1:1527/metastore_db;create = true
javax.jdo.option.ConnectionUserName = APP
javax.jdo.option.ConnectionPassword = mine

Step 8: Verifying Hive Installation

在运行 Hive 之前，您需要在 HDFS 中创建 /tmp 文件夹和一个单独的 Hive 文件夹。此处，我们使用 /user/hive/warehouse 文件夹。需要设置以下新建文件夹的写入权限，如下所示：

chmod g+w

现在，在验证 Hive 之前在 HDFS 中设置它们。使用以下命令：

$ $HADOOP_HOME/bin/hadoop fs -mkdir /tmp
$ $HADOOP_HOME/bin/hadoop fs -mkdir /user/hive/warehouse
$ $HADOOP_HOME/bin/hadoop fs -chmod g+w /tmp
$ $HADOOP_HOME/bin/hadoop fs -chmod g+w /user/hive/warehouse

使用以下命令验证 Hive 安装：

$ cd $HIVE_HOME
$ bin/hive

在成功安装 Hive 后，您将看到以下响应：

Logging initialized using configuration in jar:file:/home/hadoop/hive-0.9.0/lib/hive-common-0.9.0.jar!/hive-log4j.properties
Hive history file=/tmp/hadoop/hive_job_log_hadoop_201312121621_1494929084.txt
………………….
hive>

执行以下示例命令以显示所有表格：

hive> show tables;
OK
Time taken: 2.798 seconds
hive>