大数据学习系列之五 ----- Hive整合HBase图文详解

水深无声 2022-06-03 04:37 163阅读 0赞

## 引言 ##

在上一篇 [大数据学习系列之四 —– Hadoop+Hive环境搭建图文详解(单机)][_ Hadoop_Hive] 和之前的[大数据学习系列之二 —– HBase环境搭建(单机)][_ HBase] 中成功搭建了Hive和HBase的环境，并进行了相应的测试。本文主要讲的是如何将Hive和HBase进行整合。

### Hive和HBase的通信意图 ###

Hive与HBase整合的实现是利用两者本身对外的API接口互相通信来完成的，其具体工作交由Hive的lib目录中的hive-hbase-handler-\*.jar工具类来实现，通信原理如下图所示。  
![这里写图片描述][SouthEast]

### Hive整合HBase后的使用场景： ###

（一）通过Hive把数据加载到HBase中，数据源可以是文件也可以是Hive中的表。  
（二）通过整合，让HBase支持JOIN、GROUP等SQL查询语法。  
（三）通过整合，不仅可完成HBase的数据实时查询，也可以使用Hive查询HBase中的数据完成复杂的数据分析。

## 一、环境选择 ##

### 1，服务器选择 ###

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

### 2，配置选择 ###

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][http_www.oracle.com_technetwork_java_javase_downloads]  
Hadopp:  
[http://www.apache.org/dyn/closer.cgi/hadoop/common][http_www.apache.org_dyn_closer.cgi_hadoop_common]  
Hive  
[http://mirror.bit.edu.cn/apache/hive/][http_mirror.bit.edu.cn_apache_hive]  
HBase:  
[http://mirror.bit.edu.cn/apache/hbase/][http_mirror.bit.edu.cn_apache_hbase]

百度云盘  
链接：[https://pan.baidu.com/s/1jIemIDC][https_pan.baidu.com_s_1jIemIDC] 密码：uycu

## 二、服务器的相关配置 ##

在配置Hadoop+Hive+HBase之前，应该先做一下配置。  
做这些配置为了方便，使用root权限。

### 1，更改主机名 ###

首先更改主机名，目的是为了方便管理。  
输入:

hostname

查看本机的名称  
然后更改主机名为master  
输入:

hostnamectl set-hostname master

**注:主机名称更改之后，要重启(reboot)才会生效。**

### 2，做IP和主机名的映射 ###

修改hosts文件，做关系映射  
输入

vim /etc/hosts

添加  
主机的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:**  
关闭防火墙

service   iptables stop

**CentOS 7 以上的版本输入：**

systemctl stop firewalld.service

### 4，时间设置 ###

查看当前时间  
输入:

date

查看服务器时间是否一致，若不一致则更改  
更改时间命令

date -s ‘MMDDhhmmYYYY.ss’

### 5，整体的环境配置 ###

/etc/profile 的整体配置

#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

![这里写图片描述][SouthEast 1]

**注:具体的配置以自己的为准，没有的不用配置。**

## 三、Hadoop的环境配置 ##

Hadoop的具体配置在[大数据学习系列之一 —– Hadoop环境搭建(单机)][_ Hadoop] 中介绍得很详细了。所以本文就大体介绍一下。  
**注:具体配置以自己的为准。**

### 1，环境变量设置 ###

编辑 /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 ###

先切换到 /home/hadoop/hadoop2.8/etc/hadoop/ 目录下

#### 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\} 修改为自己的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 ####

如果没有 mapred-site.xml 该文件，就复制mapred-site.xml.template文件并重命名为mapred-site.xml。  
输入:

vim mapred-site.xml

修改这个新建的mapred-site.xml文件，在节点内加入配置:

<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启动 ###

启动之前需要先格式化  
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  
能正确访问则启动成功

## 四、Hive的环境配置 ##

Hive环境的具体配置在我的这篇[大数据学习系列之四 —– Hadoop+Hive环境搭建图文详解(单机)][_ Hadoop_Hive] 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，并重命名为hive-site.xml  
然后编辑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:

<property>  
        <name>hive.metastore.warehouse.dir</name>  
        <value>/root/hive/warehouse</value>  
      </property>  
    
    <property>
        <name>hive.exec.scratchdir</name>
        <value>/root/hive</value>
      </property>
    
        
      <property>  
        <name>hive.metastore.uris</name>  
        <value></value>  
      </property>  
    
    
     <property>
            <name>javax.jdo.option.ConnectionURL</name>
            <value>jdbc:mysql://master:3306/hive?createDatabaseIfNotExist=true</value>
        </property>
    
        <property>
            <name>javax.jdo.option.ConnectionDriverName</name>
            <value>com.mysql.jdbc.Driver</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>hive.metastore.schema.verification</name>
       <value>false</value>
        <description>
        </description>
     </property>

然后将配置文件中所有的

${ system:java.io.tmpdir}

更改为 /opt/hive/tmp (如果没有该文件则创建)，  
并将此文件夹赋予读写权限，将  
`${system:user.name}`  
更改为 root

例如:  
更改之前的:  
![这里写图片描述][SouthEast 2]  
更改之后:  
![这里写图片描述][SouthEast 3]

配置图:  
![这里写图片描述][SouthEast 4]

**注: 由于hive-site.xml 文件中的配置过多，可以通过FTP将它下载下来进行编辑。也可以直接配置自己所需的，其他的可以删除。 MySQL的连接地址中的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 ，并重命名为hive-env.sh

在这个配置文件中添加

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 数据驱动包 ###

由于Hive 默认自带的数据库是使用mysql，所以这块就是用mysql  
将mysql 的驱动包 上传到 /opt/hive/hive2.1/lib

## 五、HBase的环境配置 ##

HBase环境的具体配置在我的这篇[大数据学习系列之二 —– HBase环境搭建(单机)][_ HBase] 以及介绍得很详细了。本篇就大概介绍下。

### 修改 hbase-env.sh ###

编辑 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

说明:配置的路径以自己的为准。HBASE\_MANAGES\_ZK=false 是不启用HBase自带的Zookeeper集群。

### 修改 hbase-site.xml ###

编辑hbase-site.xml 文件，在添加如下配置

<property>  
     <name>hbase.rootdir</name>  
     <value>hdfs://test1:9000/hbase</value>  
     <description>The directory shared byregion servers.</description>  
    </property>  
    
    <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>  
    
    <property>  
     <name>zookeeper.session.timeout</name>  
     <value>120000</value>  
    </property>  
    
    <property>  
     <name>hbase.zookeeper.quorum</name>  
     <value>test1</value>  
    </property>  
    <property>  
     <name>hbase.tmp.dir</name>  
     <value>/root/hbase/tmp</value>  
    </property>  
    
    <property>  
     <name>hbase.cluster.distributed</name>  
     <value>false</value>  
    </property>

说明:hbase.rootdir：这个目录是region server的共享目录，用来持久化Hbase 。hbase.cluster.distributed ：Hbase的运行模式。false是单机模式，true是分布式模式。若为false,Hbase和Zookeeper会运行在同一个JVM里面。

## 六、Hive整合HBase的环境配置以及测试 ##

### 1，环境配置 ###

因为Hive与HBase整合的实现是利用两者本身对外的API接口互相通信来完成的，其具体工作交由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中就可以了。  
切换到hive/lib目录下  
输入:

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

![这里写图片描述][SouthEast 5]  
注: 如果在hive整合hbase中，出现版本之类的问题，那么以hbase的版本为主，将hbase中的jar包覆盖hive的jar包。

### 2，hive和hbase测试 ###

在进行测试的时候，确保hadoop、hbase、hive环境已经成功搭建好，并且都成功启动了。  
打开xshell的两个命令窗口  
一个进入hive，一个进入hbase

#### 6.2.1在hive中创建映射hbase的表 ####

在hive中创建一个映射hbase的表，为了方便，设置两边的表名都为t\_student，存储的表也是这个。  
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是定义在hbase的table名称 ，第三个t\_student 是存储数据表的名称(“hbase.mapred.output.outputtable” = “t\_student”这个可以不要，表数据就存储在第二个表中了) 。  
(id int,name string) 这个是hive表结构。如果要增加字段，就以这种格式增加。如果要增加字段的注释，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 这个是指定的存储器。  
hbase.columns.mapping 是定义在hbase的列族。  
例如:st1就是列族，name就是列。在hive中创建表t\_student，这个表包括两个字段（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。\*\*

表成功创建之后  
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’

![这里写图片描述][SouthEast 6]

![这里写图片描述][SouthEast 7]  
可以看到表已经成功的创建了

#### 6.2.2数据同步测试 ####

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'

![这里写图片描述][SouthEast 8]

然后切换到hive中  
查询该表  
输入:

select * from t_student;

![这里写图片描述][SouthEast 9]

然后在hive中删除该表  
**注:因为做测试要看结果，所以将表删除了。如果同学们要做测试的话，是没有必要删除该表的，因为在后面还会使用该表。**

然后查看hive和hbase中的表是否删除了  
输入:

drop table t_student;

![这里写图片描述][SouthEast 10]

![这里写图片描述][SouthEast 11]  
通过这些可以看到hive和hbase之间的数据成功同步！

#### 6.2.3关联查询测试 ####

##### hive外部表测试 #####

先在hbase中建一张t\_student\_info表，添加两个列族  
然后查看表结构  
输入:

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

![这里写图片描述][SouthEast 12]

然后在hive中创建外部表  
**说明:创建外部表要使用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");

![这里写图片描述][SouthEast 13]

然后在t\_student\_info 中添加数据

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'

![这里写图片描述][SouthEast 14]

然后在hive中查询该表  
输入:

select * from t_student_info;

![这里写图片描述][SouthEast 15]

查询到数据之后，然后将t\_student 和t\_student\_info进行关联查询。  
输入:

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

![这里写图片描述][SouthEast 16]  
**说明:通过关联查询，可以得出表之间是可以关联查询的。但是明显看到hive 使用默认的mapreduce 作为引擎是多么的慢。。。**

\*\*其他说明:  
由于自己的虚拟机配置实在太渣，即使调大reduce内存，限制每个reduce处理的数据量，还是不行，最后没办法使用公司的测试服务进行测试。  
在查询一张表的时候，hive没有使用引擎，因此相对比较快，如果是进行了关联查询之类的，就会使用引擎，由于hive默认的引擎是mr，所以会很慢，也和配置有一定关系，hive2.x以后官方就不建议使用mr了。\*\*

本文到此结束，谢谢阅读！  
版权声明:  
作者：虚无境  
博客园出处：[http://www.cnblogs.com/xuwujing][http_www.cnblogs.com_xuwujing]  
CSDN出处：[http://blog.csdn.net/qazwsxpcm][http_blog.csdn.net_qazwsxpcm]　　　　  
个人博客出处：[http://www.panchengming.com][http_www.panchengming.com]  
原创不易，转载请标明出处，谢谢！

[_ Hadoop_Hive]: http://www.panchengming.com/2017/12/16/pancm61/
[_ HBase]: http://www.panchengming.com/2017/12/09/pancm57/
[SouthEast]: /images/20220603/5a70001426da4fa3a43be41500defb03.png
[http_www.oracle.com_technetwork_java_javase_downloads]: http://www.oracle.com/technetwork/java/javase/downloads
[http_www.apache.org_dyn_closer.cgi_hadoop_common]: http://www.apache.org/dyn/closer.cgi/hadoop/common
[http_mirror.bit.edu.cn_apache_hive]: http://mirror.bit.edu.cn/apache/hive/
[http_mirror.bit.edu.cn_apache_hbase]: http://mirror.bit.edu.cn/apache/hbase/
[https_pan.baidu.com_s_1jIemIDC]: https://pan.baidu.com/s/1jIemIDC
[SouthEast 1]: /images/20220603/f6bb94ec70984ccd94639eb80f40a1c1.png
[_ Hadoop]: http://www.panchengming.com/2017/11/26/pancm55/
[SouthEast 2]: /images/20220603/bc5f53364bfc4bf19a558581399d8f58.png
[SouthEast 3]: /images/20220603/8ad1377ad0d74708a80939fd23ab4154.png
[SouthEast 4]: /images/20220603/dcf5277859ba4a1690647538b79edd74.png
[SouthEast 5]: /images/20220603/8b67aeff49a84bc4b83b2e82846eae49.png
[SouthEast 6]: /images/20220603/ec46de086115439db676d15142fb8a66.png
[SouthEast 7]: /images/20220603/3402cb6c00494fe8b454de881e2aebd9.png
[SouthEast 8]: /images/20220603/5d2578b4fbc844e9ae73edfc0c1015d7.png
[SouthEast 9]: /images/20220603/ecb832b8118b45dc9e0f258da9374a1c.png
[SouthEast 10]: /images/20220603/4fd2a5cdc0e5495f932f92984eaa0272.png
[SouthEast 11]: /images/20220603/97f7ae741a784d9aaa35b33148108a55.png
[SouthEast 12]: /images/20220603/0bd41588bd404749a4fe5ff9dae4471f.png
[SouthEast 13]: /images/20220603/53d16335d87945b1b3994698de7d6ea5.png
[SouthEast 14]: /images/20220603/e97fd3669573432e997fd8d944991a57.png
[SouthEast 15]: /images/20220603/7b84890e3515473e99d7ae31bdb1b3d1.png
[SouthEast 16]: /images/20220603/5d5c1c36a8a241efab76cb3b3a94ab7f.png
[http_www.cnblogs.com_xuwujing]: http://www.cnblogs.com/xuwujing
[http_blog.csdn.net_qazwsxpcm]: http://blog.csdn.net/qazwsxpcm
[http_www.panchengming.com]: http://www.panchengming.com