基于Hadoop+Hive架构对海量数据进行查询

参考资料：https://cwiki.apache.org/confluence/display/Hive/GettingStarted

1. 安装Hadoop并启动。参考资源：

    single-node ：http://www.michael-noll.com/tutorials/running-hadoop-on-ubuntu-linux-single-node-cluster/

    multi-node：http://www.michael-noll.com/tutorials/running-hadoop-on-ubuntu-linux-multi-node-cluster/

注意点：如果组建multi-node,

需要在服务期间无需密码进行SSH通讯

ssh-keygen -t rsa -P ""

cat $HOME/.ssh/id_rsa.pub >> $HOME/.ssh/authorized_keys

ssh-copy-id -i $HOME/.ssh/id_rsa.pub root@slave

如果遇到：Error: JAVA_HOME is not set则：

http://hi.baidu.com/tdfrank/blog/item/fa55a597b26c197e55fb969b.html

此外：

a) slaver侧的配置文件(core-site.xml和mapred-site.xml)需要指向master。

b) 可以通过hadoop dfsadmin -safemode leave 指令关闭safe mode。

c) Incompatible namespaceIDs问题可以通过修改DataNode里的namespaceID来解决(教程中Workaround 2方法貌似是可行的)

2. 安装Hive.

$ tar -xzvf hive-x.y.z.tar.gz

$ cd hive-x.y.z

$ export HIVE_HOME={{pwd}}

$ export PATH=$HIVE_HOME/bin:$PATH

3. HDFS中创建Hive所需文件夹

$ $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

4. 启动Hive

$ export HIVE_HOME=<hive-install-dir>

$ $HIVE_HOME/bin/hive

5. 运用

我们以wordcount这个例子来说明。

进入Hive后创建表

DROP TABLE words;
CREATE TABLE words
(
  word STRING,
  count INT
) ROW FORMAT DELIMITED
FIELDS TERMINATED BY '\t'
LINES TERMINATED BY '\n'
STORED AS TEXTFILE;

导入Map/Reduce运行的数据：

LOAD DATA INPATH '/user/hduser/bin-output/part-r-00000' INTO TABLE words;

输入HQL进行查询：

select * from words where word like 'zoo%';

另附hive和hbase的整合相关文章：

http://simpleframework.net/blog/v/13164.html

http://jiedushi.blog.51cto.com/673653/608371

解决最新的Hive0.8不兼容hadoop1.0的问题：

https://issues.apache.org/jira/browse/HIVE-2631

http://svn.apache.org/viewvc?view=revision&revision=1215279