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 - hadoop
mysql -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。