hive退出命令_使用Excel&Python&Hive&SparkSQL进行数据分析开篇环境搭建攻略！...

最新推荐文章于 2022-07-28 16:22:12 发布

weixin_39828193

最新推荐文章于 2022-07-28 16:22:12 发布

阅读量137

点赞数

文章标签： hive退出命令 hive退出命令行 idea搭建scala环境启动hive报错启动hive报错exceptionininitializererror

点击上方“Python数据科学”，选择“星标”公众号

重磅干货，第一时间送达

作者：石晓文

来源：小小挖掘机

计划写一个新系列，分别使用Excel、Python、Hive、SparkSQL四种方式来实现简单的数据分析功能，例如GroupBy、透视表等功能。

俗话说的好，工欲善其事，必先利其器，所以咱们先介绍一下环境的搭建！虽说Hive和Spark都是分布式的宠儿，但是咱们仅仅实现单机版！

所有需要安装的工具列表如下：

1、Excel
2、Python
3、JDK
4、IDEA
5、Mysql
6、Scala
7、Spark
8、Hadoop
9、Hive

前五个咱们就不说了，网上的工具一大堆，我默认你已经全部安装过了，咱们重点讲下后面四个的安装和配置。废话不多说，一个个来，踩坑一天的经验全部分享给你！

1、Scala安装

下载压缩包并解压

首先我们要到官网下载安装包。官网传送门： http://www.scala-lang.org/download/
我下载的是scala-2.12.3.tar.
下载后进入安装包所在目录进行解压操作:

tar -zxvf scala-2.12.3.tar

添加环境变量

执行如下命令打开配置文件：

vim ~/.bash_profile

添加如下两行：

export SCALA_HOME=你Scala的路径/scala
export PATH=$PATH:$SCALA_HOME/bin

添加结束后推出编辑配置文件，使用如下的命令使配置生效：

source ~/.bash_profile

检验是否配置生效

在命令行输入scala，并测试一段简单的语句，证明scala安装成功：

输入:q可以退出scala的交互环境。

2、Spark安装

下载压缩包并解压

到官网下载spark的安装包，我用的是spark-2.1.1-bin-hadoop2.7.tgz

使用如下的命令进行解压:

tar -zxvf spark-2.1.1-bin-hadoop2.7.tgz

修改配置文件

解压后进入conf 文件夹下将 spark-env.sh.template 改名为 spark-env.sh，并修改 spark-env.sh 文件添加信息：

export SCALA_HOME=/Users/yangyibo/Software/scala
export JAVA_HOME=/Library/Java/JavaVirtualMachines/jdk1.8.0_92.jdk/Contents/Home
export SPARK_MASTER_IP=192.168.100.176
export SPARK_WORKER_MEMORY=512m 
export master=spark://192.168.100.176:7070

上面的ip地址需要替换成你自己电脑的ip，可以使用ifconfig命令查看。

随后，修改 slaves.template 添加信息：

master

配置环境变量

执行如下命令打开配置文件：

vim ~/.bash_profile

添加如下信息：

export SPARK_HOME=你的spark路径
export PATH=$PATH:$SPARK_HOME/bin

添加结束后推出编辑配置文件，使用如下的命令使配置生效：

source ~/.bash_profile

验证安装情况

进入安装包的sbin 目录执行 start-all.sh 脚本

./start-all.sh

如果出现上面的错误，其实是没问题的，因为是单机版，所以ssh并不需要配置

启动后进入spark 的bin 目录运行spark-shell 进入终端。

./spark-shell

如果看到下面的结果，就证明你安装成功啦，你就可以直接在交互环境中编写scala和spark语句啦。

停止spark

进入spark的sbin目录，执行命令

$ ./stop-all.sh

3、使用IDEA创建Project

安装好了Spark，咱们先用IDEA测试一下。

打开IDEA之后，新建一个project：

选择scala工程：

配置scala的版本和JDK的版本：

工程建好后，已经有scala和java的相关jar包了，咱们还得把spark相关的包进行导入：

点击+号后，选择spark解压路径下jars文件夹即可：

此时，新建一个Scala的Object：

测试一下sparkSession能否创建成功(spark2.x统一使用SparkSession)，编写如下代码

import org.apache.spark.sql.SparkSession


object DemoTest {
  def main(args:Array[String]): Unit= {

    val spark = SparkSession
      .builder()
      .appName("Spark SQL basic example")
//  .enableHiveSupport()
      .config("spark.some.config.option", "some-value")
      .getOrCreate()
import spark.implicits._
  }
}

直接右键点击run执行程序是不行的，会报错：

因此需要配置运行环境：

输入如下配置：

再次运行，执行成功，打印了一大堆日志，就不贴了。

上午被一个错误折腾了半天，给大家贴出来看看，如果你运行时发现如下错误：

这种的话一般是scala的包冲突了，找了半天，在jdk下面的包中，也有scala的包，把它删掉就好了：

至此，spark安装及运行成功！

4、Hadoop安装及配置

先去官网下载安装包：https://hadoop.apache.org/releases.html，我下载了一个相对新的版本：

下载之后还是放到指定的位置解压并重命名：

tar -zxvf hadoop-2.7.7.tar
mv hadoop-2.7.7 hadoop

修改/etc/hadoop下的配置文件：

修改/etc/hadoop/core-site.xml
第二项的路径需要根据你的电脑实际路径进行配置。

<configuration>
<property>
<name>fs.defaultFSname>
<value>hdfs://localhost:9000value>
<description>The name of the default file system.description>
property>

<property>
<name>hadoop.tmp.dirname>
<value>/Users/meituan_sxw/hadoop/tmpvalue>
<description>A base for other temporary directories.description>
property>

<property>
<name>io.native.lib.availablename>
<value>falsevalue>
<description>default value is true:Should native hadoop libraries, if present, be used.description>
property>
configuration>

修改hdfs-site.xml

<property>
<name>dfs.replicationname>
<value>1value>

property>

修改yarn-site.xml

<property>
<name>yarn.nodemanager.aux-servicesname>
<value>mapreduce_shufflevalue>
property>

<property>
<name>yarn.nodemanager.aux-services.mapreduce.shuffle.classname>
<value>org.apache.hadoop.mapred.ShuffleHandlervalue>
property>

修改mapred-site.xml
首先执行下面的命令，创建mapred-site.xml：

cp mapred-site.xml.template mapred-site.xml

随后进行修改：

<property>
<name>mapreduce.framework.namename>
<value>yarnvalue>
<final>truefinal>
property>

修改完之后，将Hadoop添加至环境变量中：

vim ~/.bash_profile

添加如下内容：

export HADOOP_HOME=/Users/meituan_sxw/hadoop
export HADOOP_PREFIX=$HADOOP_HOME
export PATH=$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH

当然还需要让修改的环境变量生效：

source ~/.bash_profile

接下来，就是启动Hadoop了，首先对NameNode进行格式化：

hadoop namenode -format

在这里，报错了：

原因就是core-site.xml中的hadoop.tmp.dir属性我没有修改，这里要修改为自己电脑的路径，同时创建相应的文件夹，并赋予777的权限：

sudo chmod -R a+w /Users/meituan_sxw/hadoop

然后进行格式化：

hadoop namenode -format

成功格式化：

接下来，在sbin目录下启动hdfs和yarn：

start-dfs.sh
start-yarn.sh

使用jps命令查看是否启动成功：

关闭hadoop，同样在sbin路径下执行：

stop-hdfs.sh
stop-yarn.sh

每次想要重新启动hadoop的时候，需要先关闭hadoop，再清除hadoop.tmp.dir下的文件，随后格式化namenode，最后再启动hdfs和yarn，少一步都有可能导致启动失败。这里小编踩过的坑就是没有清除hadoop.tmp.dir下的文件，导致每次启动时datanode没有启动成功。

5、Hive安装及配置

还是去官网下载一个Hive吧：https://hive.apache.org/downloads.html，一路点点点：

下载后还是先解压再重命名：

tar -zxvf apache-hive-2.3.5-bin.tar 
mv apache-hive-2.3.5-bin hive

配置环境变量：

export HIVE_HOME=/Users/meituan_sxw/hive
export PATH=$HIVE_HOME/bin:$PATH

接下来修改Hive的配置文件，在conf路径下：

cp hive-env.sh.template hive-env.sh
cp hive-default.xml.template hive-site.xml

修改 hive-env.sh

 HADOOP_HOME=/Users/meituan_sxw/hadoop
export HIVE_CONF_DIR=/Users/meituan_sxw/hive/conf
export HIVE_AUX_JARS_PATH=/Users/meituan_sxw/hive/lib

修改hive-site.xml
首先，将所有的${system:java.io.tmpdir} 和 ${system:user.name}替换，这里随便换一下就好，如果不换，会报如下的错误：

随后，根据name找到如下四项，进行修改(注意这里是修改，而不是追加，即根据name找到对应的位置，再把value进行替换),后面两项是你本地的mysql用户名和密码：

<property>
<name>javax.jdo.option.ConnectionURLname>
<value>jdbc:mysql://localhost:3306/hive?createDatabaseIfNotExist=true&characterEncoding=UTF-8&useSSL=falsevalue>
property>
<property>
<name>javax.jdo.option.ConnectionDriverNamename>
<value>com.mysql.jdbc.Drivervalue>
property>
<property>
<name>javax.jdo.option.ConnectionUserNamename>
<value>rootvalue>
property>
<property>
<name>javax.jdo.option.ConnectionPasswordname>
<value>123456value>
property>

接下来，需要下载一个mysql包放到hive的lib路径下，下载地址为：https://mvnrepository.com/artifact/mysql/mysql-connector-java

我这里下载的一个低版本的：

随后，为hive创建HDFS目录：

hdfs dfs -mkdir -p  /usr/hive/warehouse
hdfs dfs -mkdir -p /usr/hive/tmp
hdfs dfs -mkdir -p /usr/hive/log
hdfs dfs -chmod -R  777 /usr/hive

可以查看有没有创建成功，每次重启hadoop都需要重新创建：

接下来，在hive中的bin路径下，初始化数据库：

schematool -initSchema -dbType mysql

登陆mysql中查看：

mysql -u root -p

退出mysql，输入hive，启动成功：

我们可以写一个简单的建表语句测试一下：

可以发现，成功创建：

6、Spark和Hive连通

万事俱备，只欠东风！最后一步，我们来将spark和hive进行联通！

首先，我们需要在刚才创建的project的resources路径下添加hive-site.xml文件。如果有resources路径的话直接添加即可，如果没有resources路径的话，创建一个resources文件夹，并选择将其作为resources路径：

在hive-site.xml中添加跟刚才一样的内容：

xml version="1.0"?>
xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<configuration>
<property>
<name>javax.jdo.option.ConnectionURLname>
<value>jdbc:mysql://localhost:3306/hive?createDatabaseIfNotExist=true&characterEncoding=UTF-8&useSSL=falsevalue>
property>

<property>
<name>javax.jdo.option.ConnectionDriverNamename>
<value>com.mysql.jdbc.Drivervalue>
property>

<property>
<name>javax.jdo.option.ConnectionUserNamename>
<value>rootvalue>
property>

<property>
<name>javax.jdo.option.ConnectionPasswordname>
<value>0845value>
property>

configuration>

接下来，将刚才下载的mysql的jar包也添加到项目中来：

接下来咱们在spark sql代码中创建一个数据表，并插入两行数据：

def main(args:Array[String]): Unit= {

    val spark = SparkSession
      .builder()
      .appName("Spark SQL basic example")
      .enableHiveSupport()
      .config("spark.some.config.option", "some-value")
      .getOrCreate()
import spark.implicits._


    spark.sql(
      s"""
     CREATE TABLE IF NOT EXISTS usersdb1(
       user_id int,
       user_name string
     )
     PARTITIONED BY (dt string)
     """)

    val df = Seq(
      (1, "First Value","20190627"),
      (2, "Second Value", "20190628")
    ).toDF("user_id","user_name","dt")

    df.show()

    df.createOrReplaceTempView("outputdata")

    spark.sql("select  * from outputdata").show()

    spark.sql("set hive.exec.dynamic.partition.mode=nonstrict")
    spark.sql(
      s"""
         |insert overwrite table usersdb1 PARTITION (dt)
         |select
         |  user_id,
         |  user_name,
         |  dt
         |from
         |  outputdata
      """.stripMargin)


    spark.sql(
"""
        |select * from usersdb1 where dt=20190627
      """.stripMargin).show()

  }

在hive下查看下数据有没有写入：

成功！不过还是再说明两点，一是sparkSession创建时.enableHiveSupport()一定要打开，而是插入数据库时，最好指定spark.sql("set hive.exec.dynamic.partition.mode=nonstrict")，至于为什么，咱们后面再说，一下子说这么多我怕你也撑不住，哈哈。

虽然折腾了一天，不过终于配置成功了！下一篇咱们先来讲讲数据的导入，主要是spark sql如何创建dataframe，期待一下吧！

专注于数据科学领域的知识分享

欢迎在文章下方留言与交流

推荐阅读

阿里P10、腾讯T4、华为18，互联网公司职级、薪资、股权大揭秘

高考志愿怎么报？582个专业，1281个本科院校，你会如何选择？

揭秘程序员在「外包」、「技术导向型」和「业务驱动型」公司的日常生活

干货 | 17个机器学习的常用算法！

Kaggle大牛小姐姐自述：我是怎么成为竞赛中Top 0.3%的？

weixin_39828193

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
hive退出命令_使用Excel&Python&Hive&SparkSQL进行数据分析开篇环境搭建攻略！...

点击上方“Python数据科学”，选择“星标”公众号重磅干货，第一时间送达作者：石晓文来源：小小挖掘机计划写一个新系列，分别使用Excel、Python、Hive、SparkSQL四种方式来实现简单的数据分析功能，例如GroupBy、透视表等功能。俗话说的好，工欲善其事，必先利其器，所以咱们先介绍一下环境的搭建！虽说Hive和Spark都是分布式的宠儿，但是咱们仅仅实现单机版！所有需要安...
复制链接

扫一扫