CouderaHadoop中hive的Hook扩展

最近在做关于CDH4.3.0的hive封装，其中遇到了很多问题！其中最困难的是如何在不更改源代码的情况下动态获取jobId！

在项目进行的过程中，我们尝试了很多方式！在尝试的过程中虽然也有很多失败，但对于理解hive的内部机制也更一步的认识，我这里想说的是自定义扩展hook!

在CDH版本的hive中提供了很多hook，俗称钩子函数！这样我们可以通过自定义hook，来对hive进行扩展！这里我就不对hive的执行原理进行赘述了，网上的资料一堆一堆的！中间过程也相当复杂！

这里我大致描述下hive中的一种hook扩展（org.apache.hadoop.hive.ql.hooks.ExecuteWithHookContext），其他的扩展方式基本上都大同小异！

在此之前我们要先大致清除下hive的执行流程，其中的核心类org.apache.hadoop.ql.Driver类是实际执行hive语句的类，其中核心方法之一有run(cmd)，这里的cmd实际就是我们要执行的sql语句了！我们根据ExecuteWithHookContext扩展的hook也是在此方法的前后进行执行！这里我介绍的是如何扩展前置钩，也就是在run(cmd)方法执行之前（hive语句会经过编译优化等步骤生成MapReduce任务，这里还未提交MapReduce任务）

下面说说该如何进行扩展（这里用的maven构建工具）：

1:自定义一个类实现ExecuteWithHookContext接口

Hclass MyPreHook implements ExecuteHookContext{

public void run(HookContext hookContext) throws Exception{

//这里我们可以做自己想做的事情，比如拿到SessionState、QueryPlan等，获取各种信息

}

}

2：将上面的自定义hook打成jar包，放置到hive的lib目录下

3：关键的一步，修改hive-site.xml文件，增加如下配置

<property>

<name>hive.exec.pre.hooks</name>

<value>自定义hook完整类名</value>

</property>

4：重启hive（各种方式有所不同，我都是采用hiveserver进行操作，所以我是先kill掉hiveserver服务再启动）

5：然后再执行hive语句,我们自定义的hook就能自动执行了！

注：常见问题

(1)：hive启动过程中，出现无法找到自定义的hook！这里可以尝试将扩展jar包添加到Hive的classpath下，可以通过修改hive-env.sh文件实现！