概要
Apache Hadoop と Hive のインストール手順です。
それぞれ別記事に分けて書きます。
目次
- Apache Hadoopのインストール手順
- Apache Hiveのインストール手順
- HadoopでWordCountをやってみる
Apache Hiveのインストール手順
Apache Hadoopのインストール手順の続きです。
Hiveとは、Hadoopのデータを簡単に利用するためのソフトであり、
HiveQLという、SQL文に似た構文でデータを操作することができます。
この手順では、擬似的にスタンドアローンモード（ローカルモード）で構築します。
環境
- CentOS 7.1
- Hadoop 2.8.0
- MariaDB 5.5.52
- java 1.8.0
- Hive 2.3.0
- HBase 1.3.1
このページでは太字のもののインストールを行います。
Apache Hiveのセットアップ
以下のページからApache Hiveをダウンロードして展開します。
Apache Download Mirrors - hive
$ wget http://ftp.jaist.ac.jp/pub/apache/hive/hive-2.3.0/apache-hive-2.3.0-bin.tar.gz
$ tar zxfv apache-hive-2.3.0-bin.tar.gz
HIVE_HOMEを環境変数として設定します。
$ echo "export HIVE_HOME=/home/`whoami`/apache-hive-2.3.0-bin" >> ~/.bashrc
$ source ~/.bashrc
HBaseのインストール
Hadoop 上に構築される NoSQL データベースです。
apache-hive-2.1.1, 2.3.0を使う場合、HBaseが入っていないと、hiveコマンド実行時に下記のようなエラーが出ます。ちなみに1.2.2ではエラーは出ません。
そのため、2.1.1以上をインストールする場合は、HBaseもインストールします。
エラー内容
$ $HIVE_HOME/bin/hive -H
which: no hbase in (/usr/local/bin:/usr/bin:/usr/local/sbin:/usr/sbin:/home/vagrant/.local/bin:/home/vagrant/bin)
以下のページからApache HBaseをダウンロードして展開します。
http://ftp.jaist.ac.jp/pub/apache/hbase/
$ wget http://ftp.jaist.ac.jp/pub/apache/hbase/1.3.1/hbase-1.3.1-bin.tar.gz
$ tar zxfv hbase-1.3.1-bin.tar.gz
環境変数設定
HBASE_HOMEを環境変数に設定します。
$ echo 'export HBASE_HOME=/home/`whoami`/hbase-1.3.1' >> ~/.bashrc
$ echo 'export PATH="$HBASE_HOME/bin:$PATH"' >> ~/.bashrc
$ source ~/.bashrc
インストール確認
$ $HBASE_HOME/bin/hbase version
hbase-site.xmlの修正
$HBASE_HOME/conf/hbase-site.xmlを編集して HBase と ZooKeeper のデータを書き込むディレクトリを指定します。擬似モードなので、ローカルのディレクトリを指定します。ディレクトリを事前に作成する必要はありません。
ディレクトリを指定しない場合は、デフォルトでは/tmp/hbase-root以下に作成されます。
参考：http://www.task-notes.com/entry/20160211/1455179303
$ vi $HBASE_HOME/conf/hbase-site.xml
<configuration>
<property>
<name>hbase.rootdir</name>
<value>file:///opt/hbase</value>
</property>
<property>
<name>hbase.zookeeper.property.dataDir</name>
<value>/opt/zookeeper</value>
</property>
</configuration>
HBaseを起動
$ $HBASE_HOME/bin/start-hbase.sh
HBase Shellに入れるか確認
$ $HBASE_HOME/bin/hbase shell
hbase(main):001:0> exit
Class path contains multiple SLF4J binding
こちらも、apache-hive-2.1.1, 2.3.0だと、hiveコマンド実行時に下記のようなエラーが出ます。1.2.2ではエラーは出ません。
なので、2.1.1以上を使用する場合は、以下の対応を行います。
エラー内容
$ $HIVE_HOME/bin/hive -H
SLF4J: Class path contains multiple SLF4J bindings.
SLF4J: Found binding in [jar:file:/home/vagrant/apache-hive-2.3.0-bin/lib/log4j-slf4j-impl-2.6.2.jar!/org/slf4j/impl/StaticLoggerBinder.class]
SLF4J: Found binding in [jar:file:/home/vagrant/hadoop-2.8.0/share/hadoop/common/lib/slf4j-log4j12-1.7.10.jar!/org/slf4j/impl/StaticLoggerBinder.class]
SLF4J: See http://www.slf4j.org/codes.html#multiple_bindings for an explanation.
SLF4J: Actual binding is of type [org.apache.logging.slf4j.Log4jLoggerFactory]
Class path contains multiple SLF4J bindings.
SLF4Jが重複しているらしいです。
この記事に
参考：https://stackoverflow.com/questions/27050820/running-hive-0-12-with-error-of-slf4j
you need to delete these jar files binding between Hadoop and Hive
rm lib/hive-jdbc-2.0.0-standalone.jar
rm lib/log4j-slf4j-impl-2.4.1.jar
とあるので、該当のファイルを探します。
$ find ./ -name '*hive-jdbc-*-standalone.jar'
./apache-hive-2.3.0-bin/jdbc/hive-jdbc-2.3.0-standalone.jar
$ find ./ -name '*log4j-slf4j-impl-*.jar'
./apache-hive-2.3.0-bin/lib/log4j-slf4j-impl-2.6.2.jar
これらのファイル２つを削除します。
$ rm -f ./apache-hive-2.3.0-bin/jdbc/hive-jdbc-2.3.0-standalone.jar
$ rm -f ./apache-hive-2.3.0-bin/lib/log4j-slf4j-impl-2.6.2.jar
これでhiveコマンドを実行すると、エラーが消えました！
$ $HIVE_HOME/bin/hive -H
usage: hive
-d,--define <key=value> Variable substitution to apply to Hive
commands. e.g. -d A=B or --define A=B
--database <databasename> Specify the database to use
-e <quoted-query-string> SQL from command line
-f <filename> SQL from files
-H,--help Print help information
--hiveconf <property=value> Use value for given property
--hivevar <key=value> Variable substitution to apply to Hive
commands. e.g. --hivevar A=B
-i <filename> Initialization SQL file
-S,--silent Silent mode in interactive shell
-v,--verbose Verbose mode (echo executed SQL to the
console)
これでHiveのインストールは完了です。
JDBCドライバの配置
mysqlのサイトからjdbcドライバをダウンロードして展開します。
ダウンロード元: http://dev.mysql.com/downloads/connector/j/
$ wget https://dev.mysql.com/get/Downloads/Connector-J/mysql-connector-java-5.1.42.tar.gz
$ tar zxfv mysql-connector-java-5.1.42.tar.gz
mysql-connector-java-5.1.42-bin.jarを$HIVE_HOME/lib/以下に設置します。
$ cp mysql-connector-java-5.1.42/mysql-connector-java-5.1.42-bin.jar $HIVE_HOME/lib/
metastoreの設定
hive-site.xmlを以下のように変更します。
$ vi $HIVE_HOME/conf/hive-site.xml
<value>※DBパスワード※</value> には、 MariaDBで設定した hive'@'localhost のパスワードを設定します。
<?xml version="1.0" encoding="UTF-8" standalone="no"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<property>
<name>javax.jdo.option.ConnectionURL</name>
<value><![CDATA[jdbc:mysql://localhost/hive_metastore?autoReconnect=true&useSSL=false]]></value>
</property>
<property>
<name>javax.jdo.option.ConnectionDriverName</name>
<value>com.mysql.jdbc.Driver</value>
</property>
<property>
<name>javax.jdo.option.ConnectionUserName</name>
<value>hive</value>
</property>
<property>
<name>javax.jdo.option.ConnectionPassword</name>
<value>※DBパスワード※</value>
</property>
<property>
<name>datanucleus.fixedDatastore</name>
<value>false</value>
</property>
<property>
<name>hive.exec.local.scratchdir</name>
<value>/tmp/hive</value>
</property>
<property>
<name>hive.downloaded.resources.dir</name>
<value>/tmp/hive</value>
</property>
<property>
<name>hive.querylog.location</name>
<value>/tmp/hive</value>
</property>
<property>
<name>hive.server2.enable.doAs</name>
<value>false</value>
</property>
</configuration>
metastoreを初期化します。
$ $HIVE_HOME/bin/schematool -dbType mysql -initSchema
Hiveコマンドからの接続
hiveが動作するか確認します。プロンプトが表示されればOKです。
$ $HIVE_HOME/bin/hive
Logging initialized using configuration in jar:file:/home/vagrant/apache-hive-2.3.0-bin/lib/hive-common-2.3.0.jar!/hive-log4j2.properties Async: true
Hive-on-MR is deprecated in Hive 2 and may not be available in the future versions. Consider using a different execution engine (i.e. spark, tez) or using Hive 1.X releases.
hive> exit
hiveserver2の起動とbeelineでの接続
hiveserver2を起動します。
$ $HIVE_HOME/bin/hiveserver2
2017-07-19 06:51:11: Starting HiveServer2
hiveserver2が起動させた状態で、beelineで接続できることを確認します。
$ $HIVE_HOME/bin/beeline -u jdbc:hive2://localhost:10000/default -n `whoami`
Connecting to jdbc:hive2://localhost:10000/default
Connected to: Apache Hive (version 2.3.0)
Driver: Hive JDBC (version 2.3.0)
Transaction isolation: TRANSACTION_REPEATABLE_READ
Beeline version 2.3.0 by Apache Hive
0: jdbc:hive2://localhost:10000/default> !exit
Hiveの動作確認
HiveQLを使って、実際にデータを登録してみます。
サンプルデータを用意
以下のようなcsvを用意します。
sample.csv
りんご,100
バナナ,340
みかん,200
いちじく,400
dbとテーブルの作成
testdbというDB、itemsというtableを作成します。
hive> create database testdb;
hive> use testdb;
hive> create table items(name string,price int) row format delimited fields terminated by ',';
hive> desc items;
OK
name string
price int
Time taken: 0.173 seconds, Fetched: 2 row(s)
csvデータをテーブルにinsertします。
hive> load data local inpath "/home/vagrant/sample.csv" into table items;
Loading data to table testdb.items
OK
Time taken: 1.585 seconds
テーブルの中身を確認します。
hive> select * from items;
OK
りんご 100
バナナ 340
みかん 200
いちじく 400
Time taken: 0.339 seconds, Fetched: 4 row(s)
処理結果をファイルへ出力
テーブルの中身をファイルに出力します。
まず、insert文で出力先を指定してから、select文を実行します。
hive> insert overwrite directory '/output/'
> select * from sales;
出力先のoutputというディレクトリが作成されており、その中に000000_0というファイルが出来上がっています。
$ $HADOOP_HOME/bin/hadoop fs -ls /output
Found 1 items
-rwxr-xr-x 1 vagrant supergroup 59 2017-07-28 03:26 /output/000000_0
ファイルの中身を確認します。
$ $HADOOP_HOME/bin/hadoop fs -cat /output/000000_0
りんご100
バナナ340
みかん200
いちじく400
Update, Delete
HiveQLには、UpdateやDeleteは存在しません。