四、数据仓库和Hive环境搭建

润森

发布于 2022-08-18 09:08:57

9100

发布于 2022-08-18 09:08:57

文章被收录于专栏：毛利学Python毛利学Python

上次介绍了HDFS，本来想进入Mapreduce，但感觉Mapreduce基本废弃，于是直接进入了Hive中来。

数据仓库

数据仓库，英文名称为Data Warehouse，可简写为DW或DWH。数据仓库顾名思义，是一个很大的数据存储集合，出于企业的分析性报告和决策支持目的而创建，对多样的业务数据进行筛选与整合。

它为企业提供一定的BI（商业智能）能力，指导业务流程改进、监视时间、成本、质量以及控制。

数据仓库的输入方是各种各样的数据源，最终的输出用于企业的数据分析、数据挖掘、数据报表等方向。

数据库和数据仓库区别

数据库是面向交易的处理系统，它是针对具体业务在数据库联机的日常操作，通常对记录进行查询、修改。用户较为关心操作的响应时间、数据的安全性、完整性和并发支持的用户数等问题。

数据仓库一般针对某些主题的历史数据进行分析，支持管理决策，又被称为联机分析处理 OLAP（On-Line Analytical Processing）。

比如，支付宝年度账单其本质是基于数据仓库进行数据可视化而成。

数据仓库，是在数据库已经大量存在的情况下，为了进一步挖掘数据资源、为了决策需要而产生的，它决不是所谓的“大型数据库”。

数据仓库分层

按照数据流入流出的过程，数据仓库架构可分为三层——源数据（ODS）、数据仓库（DW）、数据应用（APP）。

Hive

Hive是一个构建在 Hadoop上的数据仓库框架。最初，Hive是由Facebook开发，后来移交由 Apache!软件基金会开发，并作为一个 Apache开源项目。

Hive是建立在 Hadoop上的数据仓库基础构架。它提供了一系列的工具，可以存储、查询和分析存储在分布式存储系统中的大规模数据集。Hive定义了简单的类SQL査询语言，通过底层的计算引擎，将SQL转为具体的计算任务进行执行。

Hive支持Mapreduce、Tez、Spark等分布式计算引擎。

Hive环境搭建

在Hive环境搭建无需配置集群，Hive的安装其实有两部分组成，一个是Server端、一个是客户端，所谓服务端其实就是Hive管理Meta的那个Hive，服务端可以装在任何节点上，可以是Namenode上也可以是Datanode的任意一个节点上。

Hive的客户端界面工具早期选择SQuirrel SQL Client，但最近我喜欢上了Apache Zeppelin，Apache Zeppelin是一款基于Web的NoteBook，其实和Juypyter Notebook没有什么两样。

在 Hive环境搭建，需要搭建Mysql，这里选择节点node02进行Mysql环境搭建。

[hadoop@node02 ~]$ cd module/
[hadoop@node02 module]$ mkdir mysql
[hadoop@node02 module]$ cd mysql/
[hadoop@node02 mysql]# wget https://dev.mysql.com/get/mysql57-community-release-el7-9.noarch.rpm
[hadoop@node02 mysql]$ sudo rpm -ivh mysql57-community-release-el7-9.noarch.rpm
[hadoop@node02 yum.repos.d]$ yum install mysql-server



[hadoop@node02 yum.repos.d]# #第一次登录跳过权限认证
[hadoop@node02 yum.repos.d]# sudo vim /etc/my.cnf
############
[mysqld]
# 添加下面一行
skip-grant-tables
[hadoop@node02 yum.repos.d]# sudo systemctl start mysqld 
[hadoop@node02 yum.repos.d]# mysql -u root
mysql> flush privileges;
Query OK, 0 rows affected (0.00 sec)
mysql> ALTER USER 'root'@'localhost' IDENTIFIED BY '123456'; 
Query OK, 0 rows affected (0.00 sec)
mysql> create database hive;
Query OK, 1 row affected (0.00 sec)
mysql> exit;
[hadoop@node02 yum.repos.d]# mysql -u root -p123456
mysql> use mysql;
# 设置远程连接权限
mysql> GRANT ALL PRIVILEGES ON *.* TO 'root'@'%' IDENTIFIED BY '123456' WITH GRANT OPTION;
Query OK, 0 rows affected, 1 warning (0.00 sec)
mysql> FLUSH PRIVILEGES;
Query OK, 0 rows affected (0.00 sec)

下面开始在centos系统中安装Hive。为了兼顾Hadoop3.1.4版本，我们选择安装hive3.1.2版本。Hive下载官方：http://www.apache.org/dyn/closer.cgi/hive/

[hadoop@node02 module]$ ls
apache-hive-3.1.2-bin.tar.gz  hadoop  mysql
[hadoop@node02 module]$ tar -zxvf apache-hive-3.1.2-bin.tar.gz 
[hadoop@node02 module]$ mv apache-hive-3.1.2-bin hive
[hadoop@node02 module]$ ls
apache-hive-3.1.2-bin.tar.gz  hadoop  hive  mysql

[hadoop@node02 conf]$ mv hive-env.sh.template hive-env.sh
[hadoop@node02 conf]$ vim hive-env.sh
#########
export HADOOP_HOME=/home/hadoop/module/hadoop/hadoop-3.1.4
export HIVE_CONF_DIR=/home/hadoop/module/hive/conf
export HIVE_AUX_JARS_PATH=/home/hadoop/module/hive/lib

[hadoop@node02 conf]$ sudo vim /etc/profile
#########
export HIVE_HOME=/home/hadoop/module/hive
export PATH=$PATH:$HIVE_HOME/bin
export HIVE_CONF_DIR=$HIVE_HOME/conf
[hadoop@node02 conf]$ source /etc/profile
[hadoop@node02 conf]$  mv hive-default.xml.template hive-site.xml
[hadoop@node02 conf]$ vim hive-site.xml 
#########
<property>
 <!-- 
 对应的文件夹需要创建
 -->
    <name>hive.exec.local.scratchdir</name>
    <value>/home/hadoop/module/data/hive/jobs</value>
</property>
<property>
    <name>hive.downloaded.resources.dir</name>
    <value>/home/hadoop/module/data/hive/resources</value>
</property>
<property>
    <name>javax.jdo.option.ConnectionUserName</name>
    <value>root</value>
</property>
<property>
    <name>javax.jdo.option.ConnectionPassword</name>
    <value>123456</value>
</property>
<property>
    <name>javax.jdo.option.ConnectionURL</name>
    <value>jdbc:mysql://192.168.147.129:3306/hive?createDatabaseIfNotExsit=true</value>
</property>
 <!-- MySQL5.7使用com.mysql.jdbc.Driver
 
 Mysql6版本使用com.mysql.cj.jdbc.Driver
 -->
<property>
    <name>javax.jdo.option.ConnectionDriverName</name>
    <value>com.mysql.jdbc.Driver</value>
</property>

为了使用Java连接Mysql，需要下载Mysql驱动，下载地址：https://maven.ityuan.com/maven2/mysql/mysql-connector-java/5.1.33。

下载完成后并放在lib文件夹中，并通过hive初始化Mysql数据库。

[hadoop@node02 lib]$ pwd
/home/hadoop/module/hive/lib
[hadoop@node02 lib]$ wget https://repo1.maven.org/maven2/mysql/mysql-connector-java/5.1.33/mysql-connector-java-5.1.33.jar
[hadoop@node02 lib]$ schematool -dbType mysql -initSchema

在Hive初始化Mysql数据库，容易遇到两个比较常见的Bug：

第一个Hive初始化Mysql数据库：java.lang.NoSuchMethodError: com.google.common.base.Preconditions.checkArgument

错误原因：系统找不到这个类所在的jar包或者jar包的版本不一样系统不知道使用哪个。hive启动报错的原因是后者

解决办法：

com.google.common.base.Preconditions.checkArgument这个类所在的jar包为：guava.jar
hadoop-3.2.1（路径：hadoop\share\hadoop\common\lib）中该jar包为 guava-27.0-jre.jar；而hive-3.1.2(路径：hive/lib)中该jar包为guava-19.0.1.jar
将jar包变成一致的版本：删除hive中低版本jar包，将hadoop中高版本的复制到hive的lib中。

第二个Hive初始化Mysql数据库：Exception in thread "main" java.lang.RuntimeException: com.ctc.wstx.exc.WstxParsingException: Illegal character entity: expansion character (code 0x8 at

报错原因：在本身的hive-site.xml配置文件中，3215行（见报错记录第二行）有特殊字符

解决办法：进入hive-site.xml文件，跳转到对应行，删除里面的&#8特殊字符即可。

如果报Unknown database 'hive'，建议直接在MySQL中创建hive数据库。

最终Hive成功初始化Mysql数据库如下图所示：