Hive 搭建（将 MySQL 作为元数据库）

前言：安装 Hive 之前请先确保你当前已经安装好了 Hadoop，并且运行正常。

本文中使用的 Hadoop 版本为 hadoop-3.1.3、Hive 版本为 hive-3.1.2、MySQL 版本为 MySQL 5.7。

集群其它生态安装与配置：

• Hadoop 完全分布式搭建（超详细）

• Spark 集群搭建（多种方式）

• Sqoop 安装配置（超详细）

• Hudi 0.12.0 搭建——集成 Hive 与 Spark

一、安装 MySQL

1.卸载当前系统自带的 MySQL

rpm -qa | grep mysql
rpm -qa | grep mariadb

# 强制删除
rpm -e --nodeps mariadb-libs-5.5.56-2.el7.x86_64

2.获取 MySQL 下载源

curl -O https://repo.mysql.com//mysql57-community-release-el7-11.noarch.rpm

如果出现错误：curl: (6) Could not resolve host: repo.mysql.com; 未知的错误，是由于 DNS 解析的问题导致的。

解决方法： 编辑文件 vim /etc/resolv.conf，在其中添加如下内容：

options timeout:2 attempts:3 rotate single-request-reopen
; generated by /usr/sbin/dhclient-script
nameserver 8.8.8.8

这样就可以正常获取下载源了。

3.安装 MySQL 源

yum localinstall mysql57-community-release-el7-11.noarch.rpm

4.检查 MySQL 源是否安装成功

yum repolist enabled | grep "mysql.*-community.*"

5.安装 MySQL

yum install mysql-community-server

如果安装过程中出现如下错误时：

重新导入一个新的公钥即可：

rpm --import https://repo.mysql.com/RPM-GPG-KEY-mysql-2022

6.启动 MySQL 服务

systemctl start mysqld
systemctl status mysqld

7.进入 MySQL 设置权限

# 查看临时密码
cat /var/log/mysqld.log | grep password

# 输入临时密码进入 MySQL
mysql -uroot -p

# 进入后必须先修改密码！
set password = password("新密码");

如果你的密码过于简单，会出现如下错误：

Your password does not satisfy the current policy requirements.

修改其安全等级即可：

# 必须按顺序执行
set global validate_password_policy=0;
set global validate_password_length=1;

修改权限（允许所有用户连接）：

update mysql.user set host='%' where user='root';

# 刷新权限
flush privileges;

MySQL 安装完成！

二、安装 Hive

1.解压安装文件

tar -zxvf apache-hive-3.1.2-bin.tar.gz -C /opt/module/

# 修改一下文件夹名称
cd /opt/module
mv apache-hive-3.1.2-bin/ hive-3.1.2

2.拷贝 MySQL 驱动

cp mysql-connector-java-5.1.37-bin.jar /opt/module/hive-3.1.2/lib/

3.添加环境变量

vi /etc/profile

#HIVE_HOME
export HIVE_HOME=/opt/module/hive-3.1.2
export PATH=$PATH:$HIVE_HOME/bin

添加完成后使其立即生效：source /etc/profile

4.解决日志 jar 包冲突

这一步也可以不做，只是后面启动 Hive 时会有一堆警告信息。

mv $HIVE_HOME/lib/log4j-slf4j-impl-2.10.0.jar $HIVE_HOME/lib/log4j-slf4j-impl-2.10.0.bak

5.配置 hive-site.xml 文件

cd $HIVE_HOME/conf

# 创建 hive-site.xml 文件
vi hive-site.xml

在文件中添加如下内容（结合自身配置的 MySQL 进行修改）：

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

	<!-- jdbc 连接的 URL -->
	<property>
		<name>javax.jdo.option.ConnectionURL</name>
		<value>jdbc:mysql://master:3306/metastore?useSSL=false&amp;useUnicode=true&amp;characterEncoding=UTF-8&amp;allowPublicKeyRetrieval=true</value>
	</property>

	
	<!-- jdbc 连接的 Driver-->
	<property>
		<name>javax.jdo.option.ConnectionDriverName</name>
		<value>com.mysql.jdbc.Driver</value>
	</property>
	
	<!-- jdbc 连接的 username-->
	<property>
		<name>javax.jdo.option.ConnectionUserName</name>
		<value>root</value>
	</property>
	
	<!-- jdbc 连接的 password -->
	<property>
		<name>javax.jdo.option.ConnectionPassword</name>
		<value>000000</value>
	</property>
	
	<!-- Hive 元数据存储版本的验证 -->
	<property>
		<name>hive.metastore.schema.verification</name>
		<value>false</value>
	</property>
	
	<!--元数据存储授权-->
	<property>
		<name>hive.metastore.event.db.notification.api.auth</name>
		<value>false</value>
	</property>
	
	<!-- Hive 默认在 HDFS 的工作目录 -->
	<property>
		<name>hive.metastore.warehouse.dir</name>
		<value>/user/hive/warehouse</value>
	</property>
	
	<!-- 显示表头 -->
	<property>
    	<name>hive.cli.print.header</name>
		<value>true</value>
	</property>

	<!-- 显示当前库 -->
	<property>
    	<name>hive.cli.print.current.db</name>
		<value>true</value>
	</property>

	<!-- 配置元数据远程连接地址 -->
	<property>  
		<name>hive.metastore.uris</name>
		<value>thrift://master:9083</value>  
	</property>  
	
</configuration>

6. 创建元数据库

# 进入 MySQL
mysql -uroot -p000000

# 创建元数据库(注意与 hive-site.xml 配置文件中连接的库保持一致)
create database if not exists metastore;

# 退出
quit;

7. 初始化与启动

# 初始化 Hive 元数据库
$HIVE_HOME/bin/schematool -initSchema -dbType mysql -verbose

8.检测运行是否正常

请先启动 Hadoop 集群。

# 前台启动 Hive 元数据服务
hive --service metastore

# 进入 Hive
$HIVE_HOME/bin/hive

# 创建任意库，检测是否正常。
create database if not exists test;

可以看到运行正常，这样我们的 Hive 就已经搭建完成啦！

三、扩展

配置 hiveserver2

1. 在 hive 的配置文件 hive-site.xml 中添加如下两项参数：
   指定连接地址与端口。

		<!-- 配置 hiveserver2 连接 -->
		<property>
       		 <name>hive.server2.thrift.port</name>
     		 <value>10000</value>
		</property>
		
    	<property>
       		<name>hive.server2.thrift.bind.host</name>
       		<value>master</value>
     	</property>

		<!-- 设置权限用户 -->
		<property>
	        	<name>hive.users.in.admin.role</name>
	        	<value>root</value>
		</property>	

注意更换成你自己连接的主机地址。

2. 在 hadoop 的核心配置文件 core-site.xml 中添加如下两项参数：
   指定集群可以连接的用户，我这里设置为 root 用户。

   假如我想指定用户名为 master，则配置项中的 root 必须改为 master，如：hadoop.proxyuser.master.hosts。

    <!-- 设置集群的连接用户 -->
    <property>
    	<name>hadoop.proxyuser.root.hosts</name>
    	<value>*</value>
    </property>

    <property>
   		<name>hadoop.proxyuser.root.groups</name>
    	<value>*</value>
    </property>

添加完成后注意分发该文件到其它机器，然后重启 Hadoop。

Hadoop 重启完成后，启动 hive 元数据服务与 hiveserver2 服务：

nohup hive --service metastore &

nohup hive --service hiveserver2 &

连接测试：

连接你绑定的地址并根据提示输入 Hadoop 核心配置文件中指定的用户与其密码。

beeline

!connect jdbc:hive2://master:10000

# 根据提示输入账号密码
# 账户 —— 上面指定的操作系统用户名
# 密码 —— 默认为空（直接按回车跳过即可）

连接时出现错误：User: xxx is not allowed to impersonate anonymous (state=08S01,code=0)，显示该用户不被允许连接，这是因为在 Hadoop 的核心配置文件 core-site.xml 中没有指定该用户（上方有添加用户模板）或者指定后 Hadoop 集群没有重启，导致配置没有生效。

如果你在通过 hiveserver2 服务远程插入数据时出现如下错误：FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.StatsTask

解决方法：
在插入的目标库中设置属性 set hive.stats.autogather=false;，关闭配置自动统计列的统计信息。

使用 hiveserver2 服务时异常停止，JVM 内存溢出：

FAILED: Execution Error, return code -101 from org.apache.hadoop.hive.ql.exec.mr.MapRedTask. Java heap space Exception in thread "HiveServer2-Handler-Pool: Thread-652" java.lang.OutOfMemoryError: GC overhead limit exceeded

解决方法：
修改 Hive 中 conf 目录下的 hive-env.sh 文件，将 export HADOOP_HEAPSIZE=1024 进行调整，可以修改为 4096，视情况而定；

保存退出，重新启动服务就可以啦。

字符集乱码解决

可以看我写的这篇文章：Hive 表注释乱码解决