MySQL大数据学习序列之五 —– Hive整合HBase图文详解

引言

在上一篇 大数据学习体系之四 —–
Hadoop+Hive环境搭建图文详解(单机)

和往日的大数额学习系列之二 —–
HBase环境搭建(单机)

中成功搭建了Hive和HBase的环境,并展开了相应的测试。本文紧要讲的是什么样将Hive和HBase进行结合。

Hive和HBase的通信意图

Hive与HBase整合的落实是行使两者本身对外的API接口相互通信来形成的,其现实做事交由Hive的lib目录中的hive-hbase-handler-*.jar工具类来兑现,通信原理如下图所示。
MySQL 1

Hive整合HBase后的应用情状:

(一)通过Hive把数据加载到HBase中,数据源能够是文件也可以是Hive中的表。
(二)通过整合,让HBase匡助JOIN、GROUP等SQL查询语法。
(三)通过结合,不仅可形成HBase的多寡实时查询,也得以采纳Hive查询HBase中的数据形成复杂的数量解析。

一、环境选取

1,服务器选用

当地虚拟机
操作系统:linux CentOS 7
Cpu:2核
内存:2G
硬盘:40G

2,配置选拔

JDK:1.8 (jdk-8u144-linux-x64.tar.gz)
Hadoop:2.8.2 (hadoop-2.8.2.tar.gz)
Hive: 2.1 (apache-hive-2.1.1-bin.tar.gz)
HBase:1.6.2 (hbase-1.2.6-bin.tar.gz)

3,下载地址

官网地址
JDK:
http://www.oracle.com/technetwork/java/javase/downloads
Hadopp:
http://www.apache.org/dyn/closer.cgi/hadoop/common
Hive
http://mirror.bit.edu.cn/apache/hive/
HBase:
http://mirror.bit.edu.cn/apache/hbase/

百度云盘
链接:https://pan.baidu.com/s/1jIemIDC 密码:uycu

二、服务器的连带安排

在布局Hadoop+Hive+HBase在此以前,应该先做一下布局。
做这多少个部署为了方便,使用root权限。

1,更改主机名

首先更改主机名,目标是为着方便管理。
输入:

hostname 

翻开本机的名号
下一场改成主机名为master
输入:

hostnamectl set-hostname master

注:主机名称改成之后,要重启(reboot)才会立竿见影。

2,做IP和主机名的投射

修改hosts文件,做涉嫌映射
输入

vim /etc/hosts

添加
长机的ip 和 主机名称

192.168.238.128 master

3,关闭防火墙

关闭防火墙,方便访问。
CentOS 7版本以下输入:
闭馆防火墙

service   iptables stop

CentOS 7 以上的版本输入:

systemctl stop firewalld.service

4,时间设置

翻开当前时间
输入:

date

翻看服务器时间是不是相同,若不相同则改变
变更时间命令

date -s ‘MMDDhhmmYYYY.ss’

5,全体的条件布置

/etc/profile 的共同体部署

#Java Config
export JAVA_HOME=/opt/java/jdk1.8
export JRE_HOME=/opt/java/jdk1.8/jre
export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar:$JRE_HOME/lib

# Scala Config
export SCALA_HOME=/opt/scala/scala-2.12.2


# Spark Config
export  SPARK_HOME=/opt/spark/spark1.6-hadoop2.4-hive

# Zookeeper Config
export ZK_HOME=/opt/zookeeper/zookeeper3.4

# HBase Config
export HBASE_HOME=/opt/hbase/hbase1.2

# Hadoop Config 
export HADOOP_HOME=/opt/hadoop/hadoop2.8
export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native
export HADOOP_OPTS="-Djava.library.path=$HADOOP_HOME/lib"

# Hive Config
export HIVE_HOME=/opt/hive/hive2.1
export HIVE_CONF_DIR=${HIVE_HOME}/conf

export PATH=.:${JAVA_HOME}/bin:${SCALA_HOME}/bin:${SPARK_HOME}/bin:${HADOOP_HOME}/bin:${HADOOP_HOME}/sbin:${ZK_HOME}/bin:${HBASE_HOME}/bin:${HIVE_HOME}/bin:$PATH

MySQL 2

注:具体的布置以温馨的为准,没有的决不配置。

三、Hadoop的环境布置

Hadoop的切实部署在大数据学习类别之一 —–
Hadoop环境搭建(单机)

中介绍得很详细了。所以本文就大概介绍一下。
注:具体部署以协调的为准。

1,环境变量设置

编辑 /etc/profile 文件 :

vim /etc/profile

布置文件:

export HADOOP_HOME=/opt/hadoop/hadoop2.8
export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native
export HADOOP_OPTS="-Djava.library.path=$HADOOP_HOME/lib"
export PATH=.:${JAVA_HOME}/bin:${HADOOP_HOME}/bin:$PATH

2,配置文件更改

先切换来 /home/hadoop/hadoop2.8/etc/hadoop/ 索引下

3.2.1 修改 core-site.xml

输入:

vim core-site.xml

在添加:

<configuration>
<property>
        <name>hadoop.tmp.dir</name>
        <value>/root/hadoop/tmp</value>
        <description>Abase for other temporary directories.</description>
   </property>
   <property>
        <name>fs.default.name</name>
        <value>hdfs://master:9000</value>
   </property>
</configuration>

3.2.2修改 hadoop-env.sh

输入:

vim hadoop-env.sh

将${JAVA_HOME} 修改为温馨的JDK路径

export   JAVA_HOME=${JAVA_HOME}

修改为:

export   JAVA_HOME=/home/java/jdk1.8

3.2.3修改 hdfs-site.xml

输入:

vim hdfs-site.xml

在添加:

<property>
   <name>dfs.name.dir</name>
   <value>/root/hadoop/dfs/name</value>
   <description>Path on the local filesystem where theNameNode stores the namespace and transactions logs persistently.</description>
</property>
<property>
   <name>dfs.data.dir</name>
   <value>/root/hadoop/dfs/data</value>
   <description>Comma separated list of paths on the localfilesystem of a DataNode where it should store its blocks.</description>
</property>
<property>
   <name>dfs.replication</name>
   <value>2</value>
</property>
<property>
      <name>dfs.permissions</name>
      <value>false</value>
      <description>need not permissions</description>
</property>

3.2.4 修改mapred-site.xml

比方没有 mapred-site.xml
该文件,就复制mapred-site.xml.template文件不分相互命名为mapred-site.xml。
输入:

vim mapred-site.xml

修改这么些新建的mapred-site.xml文件,在节点内插手配置:

<property>
    <name>mapred.job.tracker</name>
    <value>master:9001</value>
</property>
<property>
      <name>mapred.local.dir</name>
       <value>/root/hadoop/var</value>
</property>
<property>
       <name>mapreduce.framework.name</name>
       <value>yarn</value>
</property>

3,Hadoop启动

启航以前需要先格式化
切换到/home/hadoop/hadoop2.8/bin目录下
输入:

./hadoop  namenode  -format

格式化成功后,再切换到/home/hadoop/hadoop2.8/sbin目录下
启动hdfs和yarn
输入:

start-dfs.sh
start-yarn.sh

启动成功后,输入jsp查看是否启动成功
在浏览器输入 ip+8088 和ip +50070 界面查看是否能访问
能科学访问则启动成功

四、Hive的条件布置

Hive环境的切切实实配置在自家的那篇大数据学习体系之四 —–
Hadoop+Hive环境搭建图文详解(单机)

以及介绍得很详细了。本篇就大概介绍下。

修改hive-site.xml

切换到 /opt/hive/hive2.1/conf 目录下
将hive-default.xml.template 拷贝一份,同仁一视命名为hive-site.xml
下一场编辑hive-site.xml文件

cp hive-default.xml.template hive-site.xml
vim hive-site.xml

编辑hive-site.xml文件,在 中添加:

<!-- 指定HDFS中的hive仓库地址 -->  
  <property>  
    <name>hive.metastore.warehouse.dir</name>  
    <value>/root/hive/warehouse</value>  
  </property>  

<property>
    <name>hive.exec.scratchdir</name>
    <value>/root/hive</value>
  </property>

  <!-- 该属性为空表示嵌入模式或本地模式,否则为远程模式 -->  
  <property>  
    <name>hive.metastore.uris</name>  
    <value></value>  
  </property>  

<!-- 指定mysql的连接 -->
 <property>
        <name>javax.jdo.option.ConnectionURL</name>
        <value>jdbc:mysql://master:3306/hive?createDatabaseIfNotExist=true</value>
    </property>
<!-- 指定驱动类 -->
    <property>
        <name>javax.jdo.option.ConnectionDriverName</name>
        <value>com.mysql.jdbc.Driver</value>
    </property>
   <!-- 指定用户名 -->
    <property>
        <name>javax.jdo.option.ConnectionUserName</name>
        <value>root</value>
    </property>
    <!-- 指定密码 -->
    <property>
        <name>javax.jdo.option.ConnectionPassword</name>
        <value>123456</value>
    </property>
    <property>
   <name>hive.metastore.schema.verification</name>
   <value>false</value>
    <description>
    </description>
 </property>

然后将安排文件中具有的

${system:java.io.tmpdir}

转移为 /opt/hive/tmp (假使没有该公文则开创),
并将此文件夹赋予读写权限,将
${system:user.name}
更改为 root

例如:
变更在此以前的:
MySQL 3
变动之后:
MySQL 4

配置图:
MySQL 5

注: 由于hive-site.xml
文件中的配置过多,可以经过FTP将它下载下来举办编辑。也得以直接配置自己所需的,其他的能够去除。
MySQL的连续地址中的master是主机的别名,可以换成ip。

修改 hive-env.sh

修改hive-env.sh 文件,没有就复制 hive-env.sh.template
,同样重视命名为hive-env.sh

在那个布局文件中添加

export  HADOOP_HOME=/opt/hadoop/hadoop2.8
export  HIVE_CONF_DIR=/opt/hive/hive2.1/conf
export  HIVE_AUX_JARS_PATH=/opt/hive/hive2.1/lib

添加 数据驱动包

由于Hive 默认自带的数据库是拔取mysql,所以那块就是用mysql
将mysql 的驱动包 上盛传 /opt/hive/hive2.1/lib

五、HBase的环境布置

HBase环境的切切实实安排在自身的这篇大数据学习体系之二 —–
HBase环境搭建(单机)

以及介绍得很详细了。本篇就大概介绍下。

修改 hbase-env.sh

编排 hbase-env.sh 文件,添加以下配置

export JAVA_HOME=/opt/java/jdk1.8
export HADOOP_HOME=/opt/hadoop/hadoop2.8
export HBASE_HOME=/opt/hbase/hbase1.2
export HBASE_CLASSPATH=/opt/hadoop/hadoop2.8/etc/hadoop
export HBASE_PID_DIR=/root/hbase/pids
export HBASE_MANAGES_ZK=false

证实:配置的路子以温馨的为准。HBASE_MANAGES_ZK=false
是不启用HBase自带的Zookeeper集群。

修改 hbase-site.xml

编排hbase-site.xml 文件,在加上如下配置

<!-- 存储目录 -->
<property>  
 <name>hbase.rootdir</name>  
 <value>hdfs://test1:9000/hbase</value>  
 <description>The directory shared byregion servers.</description>  
</property>  
<!-- hbase的端口 -->
<property>  
 <name>hbase.zookeeper.property.clientPort</name>  
 <value>2181</value>  
 <description>Property from ZooKeeper'sconfig zoo.cfg. The port at which the clients will connect.  
 </description>  
</property>  
<!--  超时时间 -->
<property>  
 <name>zookeeper.session.timeout</name>  
 <value>120000</value>  
</property>  
<!--  zookeeper 集群配置。如果是集群,则添加其它的主机地址 -->
<property>  
 <name>hbase.zookeeper.quorum</name>  
 <value>test1</value>  
</property>  
<property>  
 <name>hbase.tmp.dir</name>  
 <value>/root/hbase/tmp</value>  
</property>  
<!-- false是单机模式,true是分布式模式  -->
<property>  
 <name>hbase.cluster.distributed</name>  
 <value>false</value>  
</property>

证实:hbase.rootdir:这些目录是region server的共享目录,用来持久化Hbase
。hbase.cluster.distributed
:Hbase的运作格局。false是单机情势,true是分布式情势。若为false,Hbase和Zookeeper会运行在同一个JVM里面。

六、Hive整合HBase的条件布置以及测试

1,环境布置

因为Hive与HBase整合的兑现是行使两者本身对外的API接口相互通信来完成的,其具体做事交由Hive的lib目录中的hive-hbase-handler-.jar工具类来实现。所以只需要将hive的
hive-hbase-handler-
.jar 复制到hbase/lib中就足以了。
切换到hive/lib目录下
输入:

cp hive-hbase-handler-*.jar /opt/hbase/hbase1.2/lib

MySQL 6
注:
如若在hive整合hbase中,出现版本之类的问题,那么以hbase的本子为主,将hbase中的jar包覆盖hive的jar包。

2,hive和hbase测试

在拓展测试的时候,确保hadoop、hbase、hive环境已经打响搭建好,并且都事业有成启动了。
打开xshell的六个指令窗口
一个进去hive,一个跻身hbase

6.2.1在hive中开创映射hbase的表

在hive中开创一个映射hbase的表,为了便于,设置两边的表名都为t_student,存储的表也是其一。
在hive中输入:

create table t_student(id int,name string) stored by 'org.apache.hadoop.hive.hbase.HBaseStorageHandler' with serdeproperties("hbase.columns.mapping"=":key,st1:name") tblproperties("hbase.table.name"="t_student","hbase.mapred.output.outputtable" = "t_student");

说明:第一个t_student
是hive表中的名称,第二个t_student是概念在hbase的table名称
,第六个t_student 是储存数据表的名称(“hbase.mapred.output.outputtable”
= “t_student”那一个可以绝不,表数据就存储在第二个表中了) 。
(id int,name string)
这么些是hive表结构。如果要加进字段,就以这种格式扩张。假若要扩充字段的笺注,那么在字段前边添加comment
‘你要讲述的’。
例如:
create table t_student(id int comment ‘StudentId’,name string comment
‘StudentName’)
org.apache.hadoop.hive.hbase.HBaseStorageHandler 那些是点名的存储器。
hbase.columns.mapping 是概念在hbase的列族。
比如说:st1就是列族,name就是列。在hive中创立表t_student,这么些表包括多少个字段(int型的id和string型的name)。
映射为hbase中的表t_student,key对应hbase的rowkey,value对应hbase的st1:name列。

表成功开创之后
在hive、hbase分别中查看表和表结构
hive中输入

show tables;
describe t_student;

hbase输入:

list
describe ‘t_student’

MySQL 7

MySQL 8
能够看出表已经成功的创办了

6.2.2数码同步测试

进入hbase之后
在t_student中添加两条数据 然后查询该表

put 't_student','1001','st1:name','zhangsan'
put 't_student','1002','st1:name','lisi'
scan 't_student'

MySQL 9

下一场切换来hive中
询问该表
输入:

select * from t_student;

MySQL 10

然后在hive中去除该表
注:因为做测试要看结果,所以将表删除了。假如同学们要做测试的话,是绝非必要删除该表的,因为在背后还会动用该表。

下一场查看hive和hbase中的表是否删除了
输入:

drop table t_student;

MySQL 11

MySQL 12
因而这么些足以看看hive和hbase之间的多寡成功同步!

6.2.3事关查询测试

hive外部表测试

先在hbase中建一张t_student_info表,添加六个列族
下一场查看表结构
输入:

create 't_student_info','st1','st2'
describe 't_student_info'

MySQL 13

接下来在hive中成立外部表
评释:创设外部表要使用EXTERNAL 关键字
输入:

create external table t_student_info(id int,age int,sex string) stored by 'org.apache.hadoop.hive.hbase.HBaseStorageHandler' with serdeproperties("hbase.columns.mapping"=":key,st1:age,st2:sex") tblproperties("hbase.table.name"="t_student_info");

MySQL 14

然后在t_student_info 中添加多少

put 't_student_info','1001','st2:sex','man'
put 't_student_info','1001','st1:age','20'
put 't_student_info','1002','st1:age','18'
put 't_student_info','1002','st2:sex','woman'

MySQL 15

然后在hive中查询该表
输入:

select * from t_student_info;

MySQL 16

询问到数码之后,然后将t_student 和t_student_info举办关联查询。
输入:

select * from t_student t join t_student ti where t.id=ti.id ;

MySQL 17
表达:通过关系查询,可以得出表之间是可以提到查询的。然而分明看到hive
使用默认的mapreduce 作为引擎是何其的慢。。。

此外验证:
是因为自己的虚拟机配置实在太渣,虽然调大reduce内存,限制每个reduce处理的数据量,依旧特别,最终没办法使用集团的测试服务拓展测试。
在询问一张表的时候,hive没有利用引擎,因而相对相比快,若是是展开了关系查询之类的,就会采纳引擎,由于hive默认的引擎是mr,所以会很慢,也和配备有自然关联,hive2.x过后官方就不指出采取mr了。

正文到此截至,谢谢阅读!
版权阐明:
作者:虚无境
搜狐出处:http://www.cnblogs.com/xuwujing
CSDN出处:http://blog.csdn.net/qazwsxpcm    
个体博客出处:http://www.panchengming.com
原创不易,转载请标明出处,谢谢!

网站地图xml地图