章节内容

上一节我们完成了：

• Reduce JOIN 的介绍
• Reduce JOIN 的具体实现
• Driver
• Mapper
• Reducer
• 运行测试

背景介绍

这里是三台公网云服务器，每台 2C4G，搭建一个Hadoop的学习环境，供我学习。
之前已经在 VM 虚拟机上搭建过一次，但是没留下笔记，这次趁着前几天薅羊毛的3台机器，赶紧尝试在公网上搭建体验一下。

注意，如果你和我一样，打算用公网部署，那一定要做好防火墙策略，避免不必要的麻烦！！！
请大家都以学习为目的，也请不要对我的服务进行嗅探或者攻击！！！

但是有一台公网服务器我还运行着别的服务，比如前几天发的：autodl-keeper 自己写的小工具，防止AutoDL机器过期的。还跑着别的Web服务，所以只能挤出一台 2C2G 的机器。那我的配置如下了：

• 2C4G 编号 h121
• 2C4G 编号 h122
• 2C2G 编号 h123

Hive简介

Hive 是基于 Hadoop的一个数据仓库，可以将结构化的数据文件映射为一张表，类似于RDBMS中的表，并提供SQL查询的功能，Hive是由FaceBook开源，用于解决海量结构化日志的数据统计。

• Hive本质：将SQL转换为MapReduce任务进行执行
• 底层是由HDFS来提供支持的
• Hive对数据更新不友好，主要是读多写少的

Hive优点

• 学习成本低，类似于 SQL 语言
• 可处理海量数据，底层有 MapReduce 支持
• 可水平扩展，基于 Hadoop
• 支持自定义函数
• 良好的容错性，某个节点错误后，HQL 仍然可以正常运行
• 统一的元数据管理：表、字段、类型 等等

Hive缺点

• HQL 表达能力有限
• 迭代计算无法表达
• Hive 执行效率不高
• 自动生成的MR程序 有些不够智能
• Hive调优困难

Hive架构

安装配置

前置要求

• 三台Hadoop集群
• Hive下载安装
• MySQL 或者 MariaDB

下载Hive

https://archive.apache.org/dist/hive/hive-2.3.9/

当前我计划，把 Hive 安装到 h122 节点上。122空闲比较多。

cd /opt/software

使用wget下载

wget -O apache-hive-2.3.9-bin.tar.gz https://archive.apache.org/dist/hive/hive-2.3.9/apache-hive-2.3.9-bin.tar.gz

解压移动

cd /opt/software
tar zxvf apache-hive-2.3.9-bin.tar.gz -C ../servers/
cd ../servers
ls

环境变量

vim /etc/profile

在环境变量中，加入如下内容

# hive
export HIVE_HOME=/opt/servers/apache-hive-2.3.9-bin
export PATH=$PATH:$HIVE_HOME/bin

填写内容如下：

刷新环境变量

source /etc/profile

修改配置

cd $HIVE_HOME/conf

修改 hive-site.xml

vim hive-site.xml

注意如下配置，应该按照实际情况，修改成你的。

<?xml version="1.0" encoding="UTF-8" standalone="no"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<!-- hive元数据的存储位置 -->
<property><name>javax.jdo.option.ConnectionURL</name><value>jdbc:mysql://h122.wzk.icu:3306/hivemetadata?createDatabaseIfNotExist=true&amp;useSSL=false</value><description>JDBC connect string for a JDBC metastore</description>
</property>
<!-- 指定驱动程序 -->
<property><name>javax.jdo.option.ConnectionDriverName</name><value>com.mysql.jdbc.Driver</value><description>Driver class name for a JDBC metastore</description>
</property>
<!-- 连接数据库的用户名 -->
<property><name>javax.jdo.option.ConnectionUserName</name><value>hive</value><description>username to use against metastore database</description>
</property>
<!-- 连接数据库的口令 -->
<property><name>javax.jdo.option.ConnectionPassword</name><value>hive@wzk.icu</value><description>password to use against metastore database</description>
</property>
</configuration>

填写的结果如下图：

MariaDB

直接安装

当前我是 Ubuntu 的机器，可以直接安装：

sudo apt install mariadb-server

启动服务

sudo systemctl start mariadb

安全配置

sudo mysql_secure_installation

建立用户

进入数据库，执行如下的指令。

CREATE USER 'hive'@'%' IDENTIFIED BY '你的密码';
GRANT ALL ON *.* TO 'hive'@'%';
FLUSH PRIVILEGES;

查询执行的结果

远程访问

vim /etc/mysql/mariadb.conf.d/50-server.cnf

修改 bind-address

创建ROOT用户，开启远程访问。

CREATE USER '你的用户'@'%' IDENTIFIED BY '你的密码';

查看当前的表信息

SELECT Host, User FROM mysql.user;

刷新权限

FLUSH PRIVILEGES;

初始化

我们需要给Hive一个链接的Jar包，平常我们写JDBC的时候，也会用到：

把mysql-connector-java-8.0.19.jar拷贝到 $HIVE_HOME/lib

在Hive节点上，运行如下指令：

schematool -dbType mysql -initSchema

查看结果

连接我们的数据库，可以看到如下的情况：