Hive的hiveserver2和beeline的使用以及spark thritfserver的启动

Hive 的hiveserver2介绍
hiveserver2 的配置
beeline连接hiveserver2
配置hiveserver2的界面
spark thriftserver的配置
beeline 连接spark thriftserver
thriftserver和spark-sql对比
spark sql 程序连接thriftserver

Hive 的hiveserver2介绍

HiveServer2 (HS2) 是一项使客户端能够针对 Hive 执行查询的服务。 HiveServer2 是已弃用的 HiveServer1 的继任者。 HS2 支持多客户端并发和认证。它旨在为开放 API 客户端（如 JDBC 和 ODBC）提供更好的支持。 HS2 是作为复合服务运行的单个进程，其中包括基于 Thrift 的 Hive 服务（TCP 或 HTTP）和用于 Web UI 的 Jetty Web 服务器。

hiveserver2 的配置

需要在

/hive/conf/hive-site.xml

中配置

hive.server2.thrift.min.worker.threads – 最小工作线程,默认 5.
hive.server2.thrift.max.worker.threads – 最大工作线程,默认 500.
hive.server2.thrift.port – 监听端口, 默认 10000.
hive.server2.thrift.bind.host – 绑定的地址.

比如

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<configuration>
  <!-- hive 的元数据存储路径，使用mysql存储 -->
  <property>
    <name>javax.jdo.option.ConnectionURL</name>
    <value>jdbc:mysql://hadoop01:3306/hive?createDatabaseIfNotExist=true</value>
  </property>
  <!-- 数据库驱动 -->
  <property>
    <name>javax.jdo.option.ConnectionDriverName</name>
    <value>com.mysql.cj.jdbc.Driver</value>
  </property>
  <!-- 数据库用户名 -->
  <property>
    <name>javax.jdo.option.ConnectionUserName</name>
    <value>root</value>
  </property>
  <!-- 数据库密码 -->
  <property>
    <name>javax.jdo.option.ConnectionPassword</name>
    <value>123456</value>
  </property>
  <!-- 是否进行版本校验 -->
  <property>
    <name>hive.metastore.schema.verification</name>
    <value>false</value>
  </property>
  <!-- 权限处理 -->
  <property>
    <name>hive.server2.enable.doAs</name>
    <value>false</value>
  </property>
  <!-- 最小工作线程，默认5 -->
  <property>
    <name>hive.server2.thrift.min.worker.threads</name>
    <value>2</value>
  </property>
  <!-- 最大工作线程，默认500 -->
  <property>
    <name>hive.server2.thrift.max.worker.threads</name>
    <value>5</value>
  </property>
  <!-- 绑定端口，默认10000 -->
  <property>
    <name>hive.server2.thrift.port</name>
    <value>10000</value>
  </property>
  <!-- 绑定地址，默认0.0.0.0 -->
  <property>
    <name>hive.server2.thrift.bind.host</name>
    <value>0.0.0.0</value>
  </property>
</configuration>

因为使用了mysql数据库存储hive的元数据，所以需要从网上下载mysql的驱动包

从Maven Repository: mysql » mysql-connector-java (mvnrepository.com)下载就行

8.0.23版本

下载地址https://repo1.maven.org/maven2/mysql/mysql-connector-java/8.0.23/mysql-connector-java-8.0.23.jar

下载后拷贝到

/hive/lib

目录下

Hive的hiveserver2和beeline的使用以及spark thritfserver的启动

接着启动mysql

接着启动hdfs

启动spark集群

启动spark-history

启动hiveserver2

也可以使用

nohup ./hiveserver2 &

在后台启动hiveserver2，将输出写入nohup文件

可以使用

jps -m

查看运行的hiveserver2进程

beeline连接hiveserver2

当启动hiveserver2之后，就可以使用beeline进行连接了。

hiveserver2是服务端，而beeline是hive自带的一个客户端，除了使用beeline，还可以使用代码连接hiveserver2服务端。

使用beeline连接需要指定连接url

jdbc:hive2://hadoop01:10000

比如使用如下命令连接

beeline -u jdbc:hive2://hadoop01:10000 -n hadoop01

其中

-u

指定连接url，

-n

指定客户端的用户名

查询

和使用mysql非常类似

输入

help

查看帮助

可以看到beeline的命令都是以

开头的。

配置hiveserver2的界面

可以在

/hive/conf/hive-site.xml

中配置和webUI相关的配置

<!-- hive 界面绑定地址 -->
  <property>
    <name>hive.server2.webui.host</name>
    <value>0.0.0.0</value>
  </property>
  <!-- hive 界面端口 -->
  <property>
    <name>hive.server2.webui.port</name>
    <value>8085</value>
  </property>
  <!-- hive 界面最大线程 -->
  <property>
    <name>hive.server2.webui.max.threads</name>
    <value>5</value>
  </property>

然后重新启动hiveserver2

需要先杀掉原来启动的hiveserver2，然后重新启动

接着就能访问hive的界面了

启动一个beeline连接，使用用户名hadoop01

在启动beeline连接hiveserver2的时候，可以像jdbc的连接url一样，指定database

比如

beeline -u jdbc:hive2://hadoop01:10000/test_column -n hadoop01

而且在连接url中指定database后，连接了就会自动切换到指定的database上的。

查看界面

还可以启动更多的beeline，在同一个机器上也可以的

在同一个机器上启动两个beeline，使用

-n

参数区分

每个beeline上查询，然后查看界面

spark thriftserver的配置

使用spark-submit和spark-sql，每次执行一个sql，实际上都会产生一个spark application用于执行spark任务，如果执行的比较多的sql，就会频繁的创建spark application，这样就会在一定程度上耗费资源。为了实现spark application的复用，spark基本上把hive的hiveserver2照搬了过来，产生了 spark thriftserver，在使用thriftserver的时候，就能够复用spark application。

不过生产环境中每个查询因为数据量巨大，而且基本处于独立的查询操作，所以是不会使用thriftserver和hiveserver2的，这在开发中可能用的比较多。

简单点说，spark thriftserver和hiveserver2是一样的。

只需要把

/hive/conf/hive-site.xml

拷贝到

/spark/conf

目录下即可

然后启动spark thriftserver即可

在spark的官网文档中(spark-sql模块下)说明spark-thriftserver的脚本

start-thriftserver.sh

接受和spark-submit一样的参数

通过上面这句话，就基本上可以猜测出来启动thriftserver需要哪些参数了，当然也可以通过help查看

所以可以使用如下命令启动thriftserver

./start-thriftserver.sh --master spark://hadoop01:4040 --jars /hive/lib/mysql-connector-java-8.0.27.jar --driver-class-path /hive/lib/mysql-connector-java-8.0.27.jar

启动后需要手动查看日志

启动出现了异常，提示地址已经被使用了，说白了就是端口冲突，因为hiveserver2还是启动，hiveserver2绑定了10000端口，而spark thriftserver启动也需要绑定10000端口，就冲突了。

所以修改spark thriftserver的端口为10001

当然thriftserver的界面集成到了spark的界面中了，这里的8084应该是无效的

重新启动

启动日志无报错后刷新spark集群的界面

进入application的界面后会多出来两个tab

访问8084界面无响应，说明在

/spark/conf/hive-site.xml

中配置的界面端口无效

beeline 连接spark thriftserver

使用beeline连接spark thriftserver和使用beeline连接hiveserver2完全相同

使用

beeline -u jdbc:hive2://hadoop01:10001/test_column -n sparkbeeline

连接

thriftserver和spark-sql对比

thriftserver和spark-sql都能直接执行sql语句，区别在于多个beeline连接同一个thriftserver，共用一个application，而启动多个spark-sql就会启动多个application

比如首先在beeline连接的thriftserver中执行两次sql

刷新spark界面，并没有增加完成的application

停止thriftserver，因为thriftserver占用了全部集群中的两个核心(实际是我分配的核心太少了)，thriftserver会自动占用每个driver的一个核心，我配置每个worker只启动一个driver，每个driver只有一个核心，所以thriftserver就占用了全部的核心。

接着启动spar-sql，占用一个核心

使用

spark-sql --num-executors 1 --master spark://hadoop01:4040 --jars /hive/lib/mysql-connector-java-8.0.27.jar --driver-class-path /hive/lib/mysql-connector-java-8.0.27.jar

启动spark-sql，要求只占用一个executor

可惜的是，即使指定了

--num-executors

也没有生效，spark-sql又占用了全部核心

接着执行一个sql

执行发现，好像和预期的不一样，也是所有的sql使用同一个application

在启动一个spark-sql

此时查看spark界面，发现是两个application

证明了每个spark-sql实例对应一个application（没有分配到资源请忽略）

接着启动thriftserver

接着启动一个beeline

启动了两个beeline，连接同一个thriftserver,但是却只有一个application

这就是spark-sql与thriftserver最大的区别

spark sql 程序连接thriftserver

不过生产环境中每个查询因为数据量巨大，而且基本处于独立的查询操作，所以是不会使用thriftserver和hiveserver2的，这在开发中可能用的比较多。

要使用thriftserver就需要在依赖中加入hive-jdbc的依赖(前面说了，spark的thriftserver就是照搬hiveserver2的)

Maven Repository: org.apache.hive » hive-jdbc » 3.1.2 (mvnrepository.com)

直接增加会因为无法下载

jdk-tools:jdk-toos.jar:1.6

报错，无法下载

在实际测试中，这个确实比较恶心，网上有一种解决方案是自己下载依赖，然后使用maven本地安装，然后在加载依赖，经过测试，没用。

我自己的解决方案是不管他，报红就使用排除

<dependency>
            <groupId>org.apache.hive</groupId>
            <artifactId>hive-jdbc</artifactId>
            <version>${hive.jdbc.version}</version>
            <exclusions>
                <exclusion>
                    <groupId>jdk.tools</groupId>
                    <artifactId>jdk.tools</artifactId>
                </exclusion>
            </exclusions>
        </dependency>

然后在根目录下使用maven命令下载依赖

mvn dependency:sources

下载源码和依赖，然后重新加载maven项目，此时会把除了jdk.tools之外的依赖加入到项目中

接着就可以开始编码了

import java.sql.DriverManager

object SparkThriftServerApp {

  def main(args: Array[String]): Unit = {
    // 1. 加载驱动
    Class.forName("org.apache.hive.jdbc.HiveDriver")
    // 2. 获取连接，用户名密码如果没有随便写，这里和beeline连接thriftserver是一样的
    val coon = DriverManager getConnection("jdbc:hive2://hadoop01:10000/test_column", "root", "")
    // 3. 编写查询sql
    val pstmt = coon prepareStatement "select * from columns limit 10"
    // 4. 查询
    val rs = pstmt executeQuery()
    // 5. 获取返回结果的元数据信息 --- 表头
    val metaData = rs getMetaData()
    // 6. 使用可变列表存储表头
    var columsArray = List[String]()
    // 7. 循环打印表头，切记从 1 开始，不是从 0 开始
    for(i <- Range(1, metaData getColumnCount) inclusive) {
      columsArray = columsArray :+ (metaData getColumnName i)
      print(s"${metaData getColumnName i}\t")
    }
    println
    // 8. 循环读取数据，也是从 1 开始，不是从 0 开始
    while (rs next()) {
      for (i <- Range(1, columsArray length) inclusive) {
        print(s"${rs getString(i)}\t")
      }
      println
    }
    // 9. 关闭连接
    rs close()
    pstmt close()
    coon close()
  }

}

执行结果如下

也可以在thriftserver的监控界面查看执行的sql

Hive的hiveserver2和beeline的使用以及spark thritfserver的启动

Hive的hiveserver2和beeline的使用以及spark thritfserver的启动

Hive 的hiveserver2介绍

hiveserver2 的配置

beeline连接hiveserver2

配置hiveserver2的界面

spark thriftserver的配置

beeline 连接spark thriftserver

thriftserver和spark-sql对比

spark sql 程序连接thriftserver

继续阅读

一篇文章让你精通Java JSP规范

世界因大数据而改变

hive sql通过具体地址解析出行政区划(省＞市＞区＞县＞乡＞镇＞村)

Spark的RDD转换算子-双value型Spark的RDD转换算子-双value型

SparkSQL项目练习1 准备数据2 需求：各区域热门商品Top3

Hive最全常见错误及解决方案hive --service metastore &

延云行业搜索数据库在大数据生态中位置和重要性大数据的挑战大数据技术的现状延云行业搜索数据库

Spark在windows环境里跑时报错找不到org.apache.hadoop.fs.FSDataInputStream

《Hive权威指南》第八章：HiveQL索引8 HiveQL：索引

Spark流式分析系统实现流式实时日志分析系统

Scala和Java二种方式实战Spark Streaming开发

Spark基础:Spark简介及特点,运行模式,安装Spark,Driver与Executor,Local模式,Standalone模式,Yarn模式,Mesos模式,WordCount案例,HA配置第1章 Spark概述第2章 Spark运行模式第3章案例实操

HiveQl语句应用实例：WordCount具体步骤如下：

Spark实现wordcount

大数据排错SparkSpark集群启动时候，JAVA_HOME is not sethadoop集群，某台服务器jps无任何输出IDEAkafkahadoopspark sqlfile permissionsIDEA本地测试 - OutOfMemoryError: GC overhead limit exceededhdfs负载均衡

spark/scala关于【资源文件】加载方法概述外部文件加载方案测试资源文件打包入jar包中小结