云计算实战 (海量日志管理)hive -- hive + hiveclient (hive 客户端)
?? ? ?五个节点的hadoop服务器集群搭建完成后,得想办法提高开发效率,mapreduce 我不是高手,写起来有点麻烦,公司业务不等人,还是决定上hive。
?? ? ?话说想玩好hadoop 还得学精mapreduce ,或许我把这个任务往后放放。
?? ? ?废话不多说,接下来介绍下hive 的安装和实际应用。
?? ? ?hive 安装:
?? ? ?本人hadoop 用的就是cloudera 的release 当然hive 也不例外。
?? ? ?所以安装很简单:
?? ? ?Debian 上安装:
?
$ sudo apt-get install hadoop-hive??
?
?? ?redhat/centos 上安装:
?
$ sudo yum install hadoop-hive
?
?? ?启动hive 控制台:
?
?
$ hivehive>
okay,可以使用hive 了 ?你可以参照hive 的wiki 里的介绍(很全面)玩一玩hive 的操作
http://wiki.apache.org/hadoop/Hive
玩了会儿了,该干正事了。
hive 默认带的是derby 数据库来存放创建的表信息(只存放表结构,内容放到hdfs里)
derby毕竟是嵌入式数据库,作正式应用不安全。幸好hive支持mysql,于是安装mysql
我用的是centos 安装自然很简单:
?
yum install mysql-server
?
?启动mysql:
??/etc/init.d/mysqld start
?
?为hadoop/hive 创建mysql用户:
?
mysqlmysql> CREATE USER 'hadoop'@'centos1' IDENTIFIED BY 'hadoop';mysql> GRANT ALL PRIVILEGES ON *.* TO 'hadoop'@'centos1' WITH GRANT OPTION;mysql> exit
??测试是否成功:
?
?
su - hadoop
mysql -h centos1 -u hadoop -p
?
??okay 现在我们成功安装了hive 下面我们修改hive 的配置让hive使用mysql ???如果你用的cloudera 的话:?okay, 现在启动 hive:
$hive
?
用的就是mysql 数据库存放表结构了。?
你会惊奇地发现之前玩的那些表都没了,就让它们长眠在derby里吧!
?
集群搭建完毕,于是乎实际应用来了。
由于scribe 用的时间不长,产生的日志量还少,我们需要对过去三个月的cookie访问数据进行一个分析。
怎么办? 写个java程序吧数据库里的数据导进来(scribe之前 ,还是吧所有日志写到数据库中的,可想而知查询得多慢)
导出了15G的数据(3各月cookie访问记录)
下面就有个不能满足的需求了:要求把分析结果放回到mysql 数据库中方便管理人员查看
你懂的, linux控制台操作的hive 是不可能把结果数据放进mysql的(就我的能力而言。)?只能打印到控制台或者写入文件
?
于是乎想到了hive 是有jdbc 客户端的
?
首先启动hive server:
?
hive --service hiveserver 50031(端口号)
好了服务启动了,等待客户端连接并执行客户端代码。
?
hive 支持多种客户端,jdbc odbc php python 等等 想了解的可以去wiki 看看。
?
?
okay 用eclipse 写hive 吧~ ?这回熟悉了吧
在eclipse 中创建一个新的javaproject?
把hive/lib 下的所有jar copy到项目的lib目录下 另外再加一个mysql-connector-5.*.*.jar 用来把数据写入mysql
废话不说 ,贴代码:
?
package com.hive;import java.sql.SQLException;import java.sql.Connection;import java.sql.ResultSet;import java.sql.Statement;import java.sql.DriverManager;public class HiveJdbcClient {private static String driverName = "org.apache.hadoop.hive.jdbc.HiveDriver";/** * @param args * @throws SQLException */public static void main(String[] args) throws SQLException {try {Class.forName(driverName);} catch (ClassNotFoundException e) {// TODO Auto-generated catch blocke.printStackTrace();System.exit(1);}Connection con = DriverManager.getConnection("jdbc:hive://192.168.3.201:50031/defalt", "hadoop","masterninja");Statement stmt = con.createStatement();ResultSet res = stmt.executeQuery("select cookie_id ,COUNT(cookie_id)count from cookie_info where uid=5779665 group by cookie_id ORDER BY count DESC limit 20");while (res.next()) {System.out.println(res.getString(1) +" "+ res.getInt(2));}}}
?我这里只是把结果集打印出来了 ?没有写入mysql (贴的只是测试代码)
写好后运行就成。如果您公司的服务器与外网是隔离的(我们公司就是)
就把程序打个jar 上传到服务器集群中的一台上(起码能访问到hiveserver 的)
运行java -jar XXX.jar
你会发现hive server 的那台机器开始在linux控制台打印了...
成功~
?
若有疑问欢迎交流。
?
1 楼 z_post 2010-12-14 很好。我用的是postgres。但"org.apache.hadoop.hive.jdbc.HiveDriver"总是配不好。