Spark中hive的使用(hive操作es示例)

最新推荐文章于 2022-07-07 11:18:03 发布

weixin_33709590

最新推荐文章于 2022-07-07 11:18:03 发布

阅读量822

点赞数

文章标签：大数据 python 数据库

原文链接：https://my.oschina.net/u/778683/blog/1831141

版权

2019独角兽企业重金招聘Python工程师标准>>>

1. 配置hive-site.xml

<name>javax.jdo.option.ConnectionURL</name>

<value>jdbc:mysql://localhost:3306/hive?createDatabaseIfNotExist=true</value>

<description>JDBC connect string for a JDBC metastore</description>

</property>

<name>javax.jdo.option.ConnectionDriverName</name>

<value>com.mysql.jdbc.Driver</value>

<description>Driver class name for a JDBC metastore</description>

</property>

<property>

<name>javax.jdo.option.ConnectionUserName</name>

<value>hive</value>

<description>username to use against metastore database</description>

</property>

<property>

<name>javax.jdo.option.ConnectionPassword</name>

<value>hive</value>

<description>password to use against metastore database</description>

</property>

需要的话还可以设置hdfs的存储地址：

<name>hive.metastore.warehouse.dir</name>

<value>/user/hive/warehouse</value>

<description>location of default database for the warehouse</description>

</property>

不设置应该会选择一个默认地址的。

1. 创建hive的mysql帐号

create user 'hive' identified by 'hive';

grant all privileges on *.* to 'hive' with grant option;

flush privileges;

create database hive;

update user set password =PASSWORD('newPassword') where='newUser';

1. 初始化mysql

schematool -initSchema -dbType mysql

1. 启动hive服务

hive --service metastore

bin/hive --service hiveserver2 #默认10000端口

1. 启动客户端

$ hive

1. 映射hbase表

CREATE EXTERNAL TABLE hive_test(

key varchar(30),

name varchar(30),

age int

)

STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'

WITH SERDEPROPERTIES (

"hbase.columns.mapping" = ":key,info:name,info:age"

)

TBLPROPERTIES("hbase.table.name" = "test");

将hbase中的表数据加载到本地表：

INSERT OVERWRITE TABLE hive_oss_user_label_action_data_local SELECT * FROM hive_oss_user_label_action_data;

1. hive读取elasticsearch

本文将介绍如何通过Hive来读取ElasticSearch中的数据，然后我们可以像操作其他正常Hive表一样，使用Hive来直接操作ElasticSearch中的数据，将极大的方便开发人员。本文使用的各组件版本分别为 Hive0.12、Hadoop-2.2.0、ElasticSearch 2.3.4。

我们先来看看ElasticSearch中相关表的mapping：

{

"user": {

"properties": {

"regtime": {

"index": "not_analyzed",

"type": "string"

"uid": {

"type": "integer"

"mobile": {

"index": "not_analyzed",

"type": "string"

"username": {

"index": "not_analyzed",

"type": "string"

}

ElasticSearch中的index名为iteblog，type为user；user有regtime、uid、mobile以及username四个属性。现在我们在Hive端进行操作。

要让Hive能够操作ElasticSearch中的数据我们需要对Hive进行一些设置。值得高兴的是，ElasticSearch官方为我们提供了一些类库可以实现这些要求。我们需要引入相应的elasticsearch-hadoop-xxx.jar包，因为我们得ElasticSearch版本是2.x的，所以我们最少需要使用ES-Hadoop 2.2.x，本文使用的是elasticsearch-hadoop-2.3.4.jar，这个可以到Maven中央仓库下载。要让Hive能够加载elasticsearch-hadoop-2.3.4.jar文件有好几种方式：

1、直接通过add命令加载，如下：

hive > ADD JAR /home/iteblog/elasticsearch-hadoop-2.3.4.jar;

Added [/home/iteblog/elasticsearch-hadoop-2.3.4.jar] to class path

Added resources: [/home/iteblog/elasticsearch-hadoop-2.3.4.jar]

2、我们还可以在启动Hive的时候进行设置，如下：

$ bin/hive --auxpath=/home/iteblog/elasticsearch-hadoop-2.3.4.jar

3、我们还可以通过设置hive.aux.jars.path属性来实现：

$ bin/hive -hiveconf hive.aux.jars.path=/home/iteblog/elasticsearch-hadoop-2.3.4.jar

或者我们把这个设置直接写到hive-site.xml中，以便后面方便：

<value>/home/iteblog/elasticsearch-hadoop-2.3.4.jar</value>

<description>A comma separated list (with no spaces) of the jar files</description>

</property>

大家可以根据自己实际情况选择设置。设置好ElasticSearch相关类库之后，我们就可以到Hive中创建表了。为了方便，我们直接将Hive中各个字段以及类型设置成和ElasticSearch中一样：

hive (iteblog)> create EXTERNAL table `user`(

> regtime string,

> uid int,

> mobile string,

> username string

> )

> STORED BY 'org.elasticsearch.hadoop.hive.EsStorageHandler'

> TBLPROPERTIES('es.resource' = 'iteblog/user', 'es.nodes'='www.iteblog.com', 'es.port'='9200', 'es.nodes.wan.only'='true');

到这里，我们已经已经可以在Hive里面查询ElasticSearch中的数据了：

hive (iteblog)> select * from `user` limit 10;

2016-10-24 13:08:16 1 13112121212 Tom

2016-10-24 14:08:16 2 13112121212 Join

2016-10-25 14:23:16 3 13112121212 iteblog

2016-10-25 13:08:16 4 NULL weixin

2016-10-25 19:08:16 5 13112121212 bbs

2016-10-25 13:14:04 6 NULL zhangshan

2016-10-25 13:08:16 7 13112121212 wangwu

2016-10-25 14:56:16 8 13112121212 Joan

2016-10-25 15:25:16 9 13112121212 White

2016-10-25 17:24:16 0 NULL lihhh

Time taken: 0.072 seconds, Fetched: 10 row(s)

如上所述，我们已经成功通过Hive查询到ElasticSearch中的数据了。如果你在通过Hive查询ElasticSearch中的数据遇到如下异常：

Failed with exception java.io.IOException:org.elasticsearch.hadoop.EsHadoopIllegalArgumentException: Cannot detect ES version - typically this happens if the network/Elasticsearch cluster is not accessible or when targeting a WAN/Cloud instance without the proper setting 'es.nodes.wan.only'

这个很可能是因为你配置错了 es.nodes 或者 es.port 属性了。

在上面的例子中，我们为了方便将Hive中的字段设置成和ElasticSearch中一样；但实际情况下，我们可能无法将Hive中的字段和ElasticSearch保持一致，这时候我们需要在创建Hive表的时候做一些设置，否则将会出现错误。我们可以通过 es.mapping.names 参数实现，如下：

hive (iteblog)> create EXTERNAL table `user`(

> register_time string,

> user_id int,

> mobile string,

> username string

> )

> STORED BY 'org.elasticsearch.hadoop.hive.EsStorageHandler'

> TBLPROPERTIES('es.resource' = 'iteblog/user', 'es.nodes'='www.iteblog.com', 'es.port'='9200', 'es.nodes.wan.only'='true','es.mapping.names'='register_time:regtime,user_id:uid');

然后我们就可以将Hive中的 register_time 映射到ElasticSearch中的 regtime 字段； user_id 映射到ElasticSearch中的 uid 字段。

在创建Hive表的时候，我们还可以通过制定 es.query 来限制需要查询的数据，如下：

hive (iteblog)> create EXTERNAL table `user`(

> regtime string,

> uid int,

> mobile string,

> username string

> )

> STORED BY 'org.elasticsearch.hadoop.hive.EsStorageHandler'

> TBLPROPERTIES('es.resource' = 'iteblog/user', 'es.nodes'='www.iteblog.com', 'es.port'='9200', 'es.nodes.wan.only'='true','es.query' = '?q=uid:2');

上面的查询仅返回uid为2的数据，然后我们可以看效果：

hive (iteblog)> select * from `user` limit 10;