HiveServer2 HA搭建

在生产环境中使用Hive，强烈建议使用HiveServer2来提供服务，好处很多：

1. 在应用端不用部署Hadoop和Hive客户端；

2. 相比hive-cli方式，HiveServer2不用直接将HDFS和Metastore暴漏给用户；

3. 有安全认证机制，并且支持自定义权限校验；

4. 有HA机制，解决应用端的并发和负载均衡问题；

5. JDBC方式，可以使用任何语言，方便与应用进行数据交互；

6. 从2.0开始，HiveServer2提供了WEB UI。

如果使用HiveServer2的Client并发比较少，可以使用一个HiveServer2实例，没问题。

 

但如果这一个实例挂掉，那么会导致所有的应用连接失败。

Hive从0.14开始，使用Zookeeper实现了HiveServer2的HA功能（ZooKeeper Service Discovery），Client端可以通过指定一个nameSpace来连接HiveServer2，而不是指定某一个host和port。本文学习和研究HiveServer2的高可用配置。使用的Hive版本为apache-hive-2.0.0-bin。

 

 

如上图，我准备在node1和node2上分别启用两个HiveServer2的实例，并通过zookeeper完成HA的配置。

Hive配置

注：这里假设你的Zookeeper已经安装好，并可用。

在两个安装了apache-hive-2.0.0-bin的机器上，分别编辑hive-site.xml，添加以下参数：

 

 

1. <property>

2. <name>hive.server2.support.dynamic.service.discovery</name>

3. <value>true</value>

4. </property>

5.  

6. <property>

7. <name>hive.server2.zookeeper.namespace</name>

8. <value>hiveserver2_zk</value>

9. </property>

10.  

11. <property>

12. <name>hive.zookeeper.quorum</name>

13. <value> zkNode1:2181,zkNode2:2181,zkNode3:2181</value>

14. </property> 

15. <property>

16. <name>hive.zookeeper.client.port</name>

17. <value>2181</value>

18. </property> 

19. <property>

20. <name>hive.server2.thrift.bind.host</name>

21. <value>0.0.0.0</value>

22. </property> 

23. <property>

24. <name>hive.server2.thrift.port</name>

25. <value>10001</value> //两个HiveServer2实例的端口号要一致

26. </property>

 

先启动第一个HiveServer2 :

cd $HIVE_HOME/bin

./hiveserver2

 

 

再启动另一个：

 

 

第二个实例启动后，ZK中可以看到两个都注册上来。

JDBC连接

JDBC连接的URL格式为：

jdbc:hive2://<zookeeper quorum>/<dbName>;serviceDiscoveryMode=zooKeeper;zooKeeperNamespace=hiveserver2

其中：

<zookeeper quorum> 为Zookeeper的集群链接串，如zkNode1:2181,zkNode2:2181,zkNode3:2181

<dbName> 为Hive数据库，默认为default

serviceDiscoveryMode=zooKeeper 指定模式为zooKeeper

zooKeeperNamespace=hiveserver2 指定ZK中的nameSpace，即参数hive.server2.zookeeper.namespace所定义，我定义为hiveserver2_zk

使用beeline测试连接：

1. cd $HIVE_HOME/bin

2. ./beeline

3. !connect jdbc:hive2://zkNode1:2181,zkNode2:2181,zkNode3:2181/;serviceDiscoveryMode=zooKeeper;zooKeeperNamespace=hiveserver2_zk liuxiaowen ""

 

可以正常连接。

执行一个HQL查询，日志中显示连接到的HiveServer2实例为Node2，停掉Node2中的HiveServer2实例后，需要重新使用!connect命令连接，之后可以继续正常执行查询，日志显示连接到了Node1中的实例。

关于Hadoop2中的用户权限认证

本例中两个HiveServer2实例均使用普通用户liuxiaowen启动，

刚开始使用beeline链接时候报错：

1. Error: Failed to open new session: 

2. java.lang.RuntimeException: org.apache.hadoop.ipc.RemoteException(org.apache.hadoop.security.authorize.AuthorizationException): 

3. User: liuxiaowen is not allowed to impersonate liuxiaowen (state=,code=0) 

这是由于Hadoop2中的用户权限认证导致的。

参考资料：

https://hadoop.apache.org/docs/current/hadoop-project-dist/hadoop-common/Superusers.html

http://dongxicheng.org/mapreduce-nextgen/hadoop-secure-impersonation/

解决办法：

在Hadoop的core-site.xml中增加配置：

1. <property>

2. <name>hadoop.proxyuser.liuxiaowen.groups</name>

3. <value>*</value>

4. </property>

5.  

6. <property>

7. <name>hadoop.proxyuser.liuxiaowen.hosts</name>

8. <value>*</value>

9. </property>

 

其中 liuxiaowen 为启动HiveServer2的用户。

使用超级用户hadoop刷新配置：

yarn rmadmin -refreshSuperUserGroupsConfiguration

hdfs dfsadmin -refreshSuperUserGroupsConfiguration

如果是对namenode做过HA，则需要在主备namenode上执行：

hdfs dfsadmin -fs hdfs://cdh5 -refreshSuperUserGroupsConfiguration

之后问题解决，后续再详细研究这块。

至此，HiveServer2的多实例高可用-Ha配置完成，的确能解决生产中的很多问题，比如：并发、负载均衡、单点故障、安全等等。

因此强烈建议在生产环境中使用该模式来提供Hive服务。