Apache
hadoop
hive

Apache Hiveのインストール手順

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

  1. Apache Hadoopのインストール手順
  2. Apache Hiveのインストール手順
  3. 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
$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。

参考