[解决方案]python在Windows环境下使用 pyhive链接hive大数据的最新方法

一、目的

python采用pyhive或者impala包链接hive数据库，但是在windows环境下pyhive的方法是报错的，而在linux环境下pyhive方式比较简洁。在windows环境下一般推荐import impala包作为链接hive的方法，其缺点是设置也比较复杂，而且往往调试环境是windows而正式环境又是linux的话，切换代码也是一个问题。采用本方法可以在windows环境下直接安装pyhive，并调用包内方法，免去强制版本兼容限制。

二、安装必要包

1.pycharm的安装方法

在pycharm中选择设置的页面：

点击加号安装 thrift ，thrift-sasl，sasl，PyHive
开始尝试连接hive

from pyhive import hive

host='188.158.11.59'
username='hdfs'
password='hdfs%123'
port=2181
data_base_name='test'

conn = hive.Connection(host=host,
                       port=port,
                       auth="CUSTOM",
                       database=data_base_name,
                       username=username,
                       password=password)

这个时候会报错

Could not start SASL: b'Error in sasl_client_start (-4) SASL(-4): no mechanism available: Unable to find a callback: 2'

2.查询sasl安装位置

安装sasl后会在本机的相关位置存放sasl的dll文件，作者通过anaconda方式安装各种包，相应的sasl的dll库在envs的相关路径下，如下图：

记下这个文件夹位置：

D:\ProgramData\Anaconda3\envs\pyhavecon\Library\bin\sasl2

二、修改注册表

之所以pyhive无法链接hive库是因为，所引用的sasl无法初始化，在windows下，需要指定初始化时的dll库位置，运行regedit程序，打开注册表编辑。
创建一个注册表项：

\HKEY_LOCAL_MACHINE\SOFTWARE\Carnegie Mellon\Project Cyrus\SASL Library

在这里新建一个字符串项SearchPath，内容填入前面记录的路径。如下图：

关闭注册表编辑器。

三、使用pandas读取测试

现在就可以使用pandas读取数据测试了。

from pyhive import hive
import pandas as pd

conn = hive.Connection(host='192.168.10.99',
                       port=10000,
                       auth="CUSTOM",
                       database='test',
                       username='hive',
                       password='hive')

sql_order = 'show tables' 
df = pd.read_sql(sql_order, conn)

conn.close