大數據學習系列之五 ----- Hive整合HBase圖文詳解

引言

在上一篇 大數據學習系列之四 ----- Hadoop+Hive環境搭建圖文詳解(單機) 和之前的大數據學習系列之二 ----- HBase環境搭建(單機) 中成功搭建了Hive和HBase的環境，并進行了相應的測試。本文主要講的是如何將Hive和HBase進行整合。

Hive和HBase的通信意圖

Hive與HBase整合的實現是利用兩者本身對外的API接口互相通信來完成的，其具體工作交由Hive的lib目錄中的hive-hbase-handler-*.jar工具類來實現，通信原理如下圖所示。

Hive整合HBase后的使用場景：

（一）通過Hive把數據加載到HBase中，數據源可以是文件也可以是Hive中的表。
（二）通過整合，讓HBase支持JOIN、GROUP等SQL查詢語法。
（三）通過整合，不僅可完成HBase的數據實時查詢，也可以使用Hive查詢HBase中的數據完成復雜的數據分析。

一、環境選擇

1，服務器選擇

本地虛擬機
操作系統:linux CentOS 7
Cpu：2核
內存：2G
硬盤:40G

2，配置選擇

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，下載地址

官網地址
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/

百度云盤
鏈接：https://pan.baidu.com/s/1jIemIDC 密碼：uycu

二、服務器的相關配置

在配置Hadoop+Hive+HBase之前，應該先做一下配置。
做這些配置為了方便，使用root權限。

1，更改主機名

首先更改主機名，目的是為了方便管理。
輸入:

hostname 

查看本機的名稱
然后更改主機名為master
輸入:

hostnamectl set-hostname master

注:主機名稱更改之后，要重啟(reboot)才會生效。

2，做IP和主機名的映射

修改hosts文件，做關系映射
輸入

vim /etc/hosts

添加
主機的ip 和 主機名稱

192.168.238.128 master

3，關閉防火墻

關閉防火墻，方便訪問。
CentOS 7版本以下輸入:
關閉防火墻

service   iptables stop

CentOS 7 以上的版本輸入：

systemctl stop firewalld.service

4，時間設置

查看當前時間
輸入:

date

查看服務器時間是否一致，若不一致則更改
更改時間命令

date -s ‘MMDDhhmmYYYY.ss’

5，整體的環境配置

/etc/profile 的整體配置

#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

注:具體的配置以自己的為準，沒有的不用配置。

三、Hadoop的環境配置

Hadoop的具體配置在大數據學習系列之一 ----- Hadoop環境搭建(單機) 中介紹得很詳細了。所以本文就大體介紹一下。
注:具體配置以自己的為準。

1，環境變量設置

編輯 /etc/profile 文件 :

vim /etc/profile

配置文件:

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

先切換到 /home/hadoop/hadoop2.8/etc/hadoop/ 目錄下

3.2.1 修改 core-site.xml

輸入:

vim core-site.xml

在<configuration>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

輸入:

vim hadoop-env.sh

將${JAVA_HOME} 修改為自己的JDK路徑

export   JAVA_HOME=${JAVA_HOME}

修改為：

export   JAVA_HOME=/home/java/jdk1.8

3.2.3修改 hdfs-site.xml

輸入:

vim hdfs-site.xml

在<configuration>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

如果沒有 mapred-site.xml 該文件，就復制mapred-site.xml.template文件并重命名為mapred-site.xml。
輸入:

vim mapred-site.xml

修改這個新建的mapred-site.xml文件，在<configuration>節點內加入配置:

<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啟動

啟動之前需要先格式化
切換到/home/hadoop/hadoop2.8/bin目錄下
輸入:

./hadoop  namenode  -format

格式化成功后，再切換到/home/hadoop/hadoop2.8/sbin目錄下
啟動hdfs和yarn
輸入:

start-dfs.sh
start-yarn.sh

啟動成功后，輸入jsp查看是否啟動成功
在瀏覽器輸入 ip+8088 和ip +50070 界面查看是否能訪問
能正確訪問則啟動成功

四、Hive的環境配置

Hive環境的具體配置在我的這篇大數據學習系列之四 ----- Hadoop+Hive環境搭建圖文詳解(單機) 以及介紹得很詳細了。本篇就大概介紹下。

修改hive-site.xml

切換到 /opt/hive/hive2.1/conf 目錄下
將hive-default.xml.template 拷貝一份，并重命名為hive-site.xml
然后編輯hive-site.xml文件

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

編輯hive-site.xml文件，在 <configuration> 中添加:

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

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

  <!-- 該屬性為空表示嵌入模式或本地模式，否則為遠程模式 -->  
  <property>  
    <name>hive.metastore.uris</name>  
    <value></value>  
  </property>  

<!-- 指定mysql的連接 -->
 <property>
        <name>javax.jdo.option.ConnectionURL</name>
        <value>jdbc:mysql://master:3306/hive?createDatabaseIfNotExist=true</value>
    </property>
<!-- 指定驅動類 -->
    <property>
        <name>javax.jdo.option.ConnectionDriverName</name>
        <value>com.mysql.jdbc.Driver</value>
    </property>
   <!-- 指定用戶名 -->
    <property>
        <name>javax.jdo.option.ConnectionUserName</name>
        <value>root</value>
    </property>
    <!-- 指定密碼 -->
    <property>
        <name>javax.jdo.option.ConnectionPassword</name>
        <value>123456</value>
    </property>
    <property>
   <name>hive.metastore.schema.verification</name>
   <value>false</value>
    <description>
    </description>
 </property>

然后將配置文件中所有的

${system:java.io.tmpdir}

更改為 /opt/hive/tmp (如果沒有該文件則創建)，
并將此文件夾賦予讀寫權限，將

   ${system:user.name} 

更改為 root

例如:
更改之前的:

更改之后:

配置圖:

注: 由于hive-site.xml 文件中的配置過多，可以通過FTP將它下載下來進行編輯。也可以直接配置自己所需的，其他的可以刪除。 MySQL的連接地址中的master是主機的別名，可以換成ip。

修改 hive-env.sh

修改hive-env.sh 文件，沒有就復制 hive-env.sh.template ，并重命名為hive-env.sh

在這個配置文件中添加

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 數據驅動包

由于Hive 默認自帶的數據庫是使用mysql，所以這塊就是用mysql
將mysql 的驅動包 上傳到 /opt/hive/hive2.1/lib

五、HBase的環境配置

HBase環境的具體配置在我的這篇大數據學習系列之二 ----- HBase環境搭建(單機) 以及介紹得很詳細了。本篇就大概介紹下。

修改 hbase-env.sh

編輯 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

說明:配置的路徑以自己的為準。HBASE_MANAGES_ZK=false 是不啟用HBase自帶的Zookeeper集群。

修改 hbase-site.xml

編輯hbase-site.xml 文件，在<configuration>添加如下配置

<!-- 存儲目錄 -->
<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>  
<!--  超時時間 -->
<property>  
 <name>zookeeper.session.timeout</name>  
 <value>120000</value>  
</property>  
<!--  zookeeper 集群配置。如果是集群，則添加其它的主機地址 -->
<property>  
 <name>hbase.zookeeper.quorum</name>  
 <value>test1</value>  
</property>  
<property>  
 <name>hbase.tmp.dir</name>  
 <value>/root/hbase/tmp</value>  
</property>  
<!-- false是單機模式，true是分布式模式  -->
<property>  
 <name>hbase.cluster.distributed</name>  
 <value>false</value>  
</property>

說明:hbase.rootdir：這個目錄是region server的共享目錄，用來持久化Hbase 。hbase.cluster.distributed ：Hbase的運行模式。false是單機模式，true是分布式模式。若為false,Hbase和Zookeeper會運行在同一個JVM里面。

六、Hive整合HBase的環境配置以及測試

1，環境配置

因為Hive與HBase整合的實現是利用兩者本身對外的API接口互相通信來完成的，其具體工作交由Hive的lib目錄中的hive-hbase-handler-.jar工具類來實現。所以只需要將hive的 hive-hbase-handler-.jar 復制到hbase/lib中就可以了。
切換到hive/lib目錄下
輸入:

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

注: 如果在hive整合hbase中，出現版本之類的問題，那么以hbase的版本為主，將hbase中的jar包覆蓋hive的jar包。

2，hive和hbase測試

在進行測試的時候，確保hadoop、hbase、hive環境已經成功搭建好，并且都成功啟動了。
打開xshell的兩個命令窗口
一個進入hive，一個進入hbase

6.2.1在hive中創建映射hbase的表

在hive中創建一個映射hbase的表，為了方便，設置兩邊的表名都為t_student，存儲的表也是這個。
在hive中輸入:

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");

說明：第一個t_student 是hive表中的名稱，第二個t_student是定義在hbase的table名稱 ，第三個t_student 是存儲數據表的名稱("hbase.mapred.output.outputtable" = "t_student"這個可以不要，表數據就存儲在第二個表中了) 。
(id int,name string) 這個是hive表結構。如果要增加字段，就以這種格式增加。如果要增加字段的注釋，那么在字段后面添加comment ‘你要描述的’。
例如:
create table t_student(id int comment ‘StudentId’,name string comment ‘StudentName’)
org.apache.hadoop.hive.hbase.HBaseStorageHandler 這個是指定的存儲器。
hbase.columns.mapping 是定義在hbase的列族。
例如:st1就是列族，name就是列。在hive中創建表t_student，這個表包括兩個字段（int型的id和string型的name）。 映射為hbase中的表t_student，key對應hbase的rowkey，value對應hbase的st1:name列。

表成功創建之后
在hive、hbase分別中查看表和表結構
hive中輸入

show tables；
describe t_student;

hbase輸入:

list
describe ‘t_student’

可以看到表已經成功的創建了

6.2.2數據同步測試

進入hbase之后
在t_student中添加兩條數據 然后查詢該表

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

然后切換到hive中
查詢該表
輸入:

select * from t_student;

然后在hive中刪除該表
注:因為做測試要看結果，所以將表刪除了。如果同學們要做測試的話，是沒有必要刪除該表的，因為在后面還會使用該表。

然后查看hive和hbase中的表是否刪除了
輸入:

drop table t_student;

通過這些可以看到hive和hbase之間的數據成功同步！

6.2.3關聯查詢測試

hive外部表測試

先在hbase中建一張t_student_info表，添加兩個列族
然后查看表結構
輸入:

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

然后在hive中創建外部表
說明:創建外部表要使用EXTERNAL 關鍵字
輸入:

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");

然后在t_student_info 中添加數據

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'

然后在hive中查詢該表
輸入:

select * from t_student_info;

查詢到數據之后，然后將t_student 和t_student_info進行關聯查詢。
輸入:

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

說明:通過關聯查詢，可以得出表之間是可以關聯查詢的。但是明顯看到hive 使用默認的mapreduce 作為引擎是多么的慢。。。

其他說明:
由于自己的虛擬機配置實在太渣，即使調大reduce內存，限制每個reduce處理的數據量，還是不行，最后沒辦法使用公司的測試服務進行測試。
在查詢一張表的時候，hive沒有使用引擎，因此相對比較快，如果是進行了關聯查詢之類的，就會使用引擎，由于hive默認的引擎是mr，所以會很慢，也和配置有一定關系，hive2.x以后官方就不建議使用mr了。

本文到此結束，謝謝閱讀！
版權聲明:
作者：虛無境
博客園出處：http://www.cnblogs.com/xuwujing
CSDN出處：http://blog.csdn.net/qazwsxpcm　　　　
個人博客出處：http://www.panchengming.com
原創不易，轉載請標明出處，謝謝！