五个节点的hadoop服务器集群搭建完成后，得想办法提高开发效率，mapreduce 我不是高手，写起来有点麻烦，公司业务不等人，还是决定上hive。
话说想玩好hadoop 还得学精mapreduce ，或许我把这个任务往后放放。
废话不多说，接下来介绍下hive 的安装和实际应用。
hive 安装：
本人hadoop 用的就是cloudera 的release 当然hive 也不例外。
所以安装很简单：
Debian 上安装：
$ sudo apt-get install hadoop-hive
redhat/centos 上安装：
$ sudo yum install hadoop-hive
启动hive 控制台：
$ hive
hive>okay，可以使用hive 了 你可以参照hive 的wiki 里的介绍（很全面）玩一玩hive 的操作
玩了会儿了，该干正事了。
hive 默认带的是derby 数据库来存放创建的表信息（只存放表结构，内容放到hdfs里）
derby毕竟是嵌入式数据库，作正式应用不安全。幸好hive支持mysql，于是安装mysql
我用的是centos 安装自然很简单：
yum install mysql-server
启动mysql：
/etc/init.d/mysqld start
为hadoop/hive 创建mysql用户：
mysql
mysql> CREATE USER 'hadoop'@'centos1' IDENTIFIED BY 'hadoop';
mysql> GRANT ALL PRIVILEGES ON *.* TO 'hadoop'@'centos1' WITH GRANT OPTION;
mysql> exit测试是否成功：
su - hadoopmysql -h centos1 -u hadoop -p
okay 现在我们成功安装了hive 下面我们修改hive 的配置让hive使用mysql
如果你用的cloudera 的话：
vi /etc/hive/conf/hive-site.xml
然后改成这样：
<property>
<name>hive.metastore.local</name>
<value>true</value>
</property>
<property>
<name>javax.jdo.option.ConnectionURL</name>
<value>jdbc:mysql://centos1:3306/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>hadoop</value>
</property>
<property>
<name>javax.jdo.option.ConnectionPassword</name>
<value>hadoop</value>
</property>okay, 现在启动 hive：
$hive
用的就是mysql 数据库存放表结构了。
你会惊奇地发现之前玩的那些表都没了，就让它们长眠在derby里吧！
集群搭建完毕，于是乎实际应用来了。
由于scribe 用的时间不长，产生的日志量还少，我们需要对过去三个月的cookie访问数据进行一个分析。
怎么办？ 写个java程序吧数据库里的数据导进来（scribe之前 ，还是吧所有日志写到数据库中的，可想而知查询得多慢）
导出了15G的数据（3各月cookie访问记录）
下面就有个不能满足的需求了：要求把分析结果放回到mysql 数据库中方便管理人员查看
你懂的， linux控制台操作的hive 是不可能把结果数据放进mysql的（就我的能力而言。） 只能打印到控制台或者写入文件
于是乎想到了hive 是有jdbc 客户端的
首先启动hive server：
hive --service hiveserver 50031（端口号）好了服务启动了，等待客户端连接并执行客户端代码。
hive 支持多种客户端，jdbc odbc php python 等等 想了解的可以去wiki 看看。
okay 用eclipse 写hive 吧~ 这回熟悉了吧
在eclipse 中创建一个新的javaproject
把hive/lib 下的所有jar copy到项目的lib目录下 另外再加一个mysql-connector-5.*.*.jar 用来把数据写入mysql
废话不说 ，贴代码：
package com.hive;
import java.sql.SQLException;
import java.sql.Connection;
import java.sql.ResultSet;
import java.sql.Statement;
import java.sql.DriverManager;
public class HiveJdbcClient {
private static String driverName = "org.apache.hadoop.hive.jdbc.HiveDriver";
/**
* @param args
* @throws SQLException
*/
public static void main(String[] args) throws SQLException {
try {
Class.forName(driverName);
} catch (ClassNotFoundException e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.exit(1);
}
Connection con = DriverManager.getConnection(
"jdbc:hive://192.168.3.201:50031/defalt", "hadoop",
"masterninja");
Statement stmt = con.createStatement();
ResultSet res = stmt
.executeQuery("select cookie_id ,COUNT(cookie_id)count from cookie_info where uid=5779665 group by cookie_id ORDER BY count DESC limit 20");
while (res.next()) {
System.out.println(res.getString(1) +" "+ res.getInt(2));
}
}
}我这里只是把结果集打印出来了 没有写入mysql （贴的只是测试代码）
写好后运行就成。如果您公司的服务器与外网是隔离的（我们公司就是）
就把程序打个jar 上传到服务器集群中的一台上（起码能访问到hiveserver 的）
运行java -jar XXX.jar
你会发现hive server 的那台机器开始在linux控制台打印了...
成功~
若有疑问欢迎交流。
