hive on spark部署

1. 环境

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. tez, spark) or using Hive 1.X releases.

hive默认使用mr作为计算引擎，当进入cli时会看到以上的提示信息，刚好有hive2.1.0，查了下pom文件，依赖了spark1.6.0，版本应该可以兼容spark1.6.1，所以在此基础上搭建hive on spark环境。

2.搭建hadoop环境

参考hadoop2.6分布式环境搭建

3.搭建spark环境

参考spark1.6.1集群部署(standalone)

虽要注意的一点是，使用hive on spark模式时，spark-assembly-1.6.1-hadoop2.6.0.jar不能包含hive的相关依赖，所以需要自己编译spark源码，在编译时去掉-Phive参数。

4.安装mysql

采用mysql来存储hive的元数据，使用了免安装的mysql，安装过程略。

5.安装hive

5.1 下载hive2.1.0

https://hive.apache.org/downloads.html

5.2 解压到服务器

/usr/apache-hive-2.1.0-bin

5.3 配置环境变量

export HIVE_HOME=/usr/apache-hive-2.1.0-bin
export PATH=$PATH:$HIVE_HOME/bin:$HIVE_HOME/bin
export HCAT_HOME=$HIVE_HOME/hcatalog/

5.4 初始化hive配置

• 创建hive-default.xml文件

cp hive-default.xml.template hive-default.xml

• 创建hive-site.xml文件

参考hive-default.xml文件生成hive-site.xml，并将内容修改为以下:

 <property>
      <name>javax.jdo.option.ConnectionURL</name>
      <value>jdbc:mysql://master:3306/hive2?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>mysql</value>
  </property>

• 把mysql的驱动包旋转到$HIVE_HOME/lib目录下

• 初始化元数据：schematool -initSchema -dbType mysql

• 使用hive进入cli客户端验证hive是否安装成功

5.5 配置hive on spark

• 添加spark依赖到hive环境中

scala-library.jar
spark-core_2.10-1.6.1.jar
spark-network-common_2.10-1.6.1.jar

• 设置hive的执行引擎为spark

  • 方式一:进入cli后通过以下命令进行动态设置

    set hive.execution.engine=spark;
    set spark.master=spark://master:7077;

  • 方式二:在hive-site.xml中进行全局设置

      <property>
        <name>hive.execution.engine</name>
        <value>spark</value>
      </property>
      <property>
        <name>hive.enable.spark.execution.engine</name>
        <value>true</value>
      </property>
      <property>
        <name>spark.master</name>
        <value>spark://master:7077</value>
      </property>

  其余一些配置项参考：https://cwiki.apache.org/confluence/display/Hive/Configuration+Properties#ConfigurationProperties-Spark

• 验证hive on spark

create table tb_user(id int,name string ,age int);
insert into tb_user values(1,'name1',11),(2,'name2',12),(3,'name3',13);

5.6 使用hiveserver2和beline

• 启动hiveserver2服务：$HIVE_HOME/hiveserver2
• 通过beline连接hiveserver2

6.安装配置过程遇到问题

• 问题1

Error: Failed to open new session: java.lang.RuntimeException: org.apache.hadoop.ipc.RemoteException(org.apache.hadoop.security.authorize.AuthorizationException): User: root is not allowed to impersonate anonymous (state=,code=0)

在$HODOOP_HOME/hadoop/core-site.xml中添加:

<property>
    <name>hadoop.proxyuser.root.groups</name>
    <value>*</value>
</property>
<property>
    <name>hadoop.proxyuser.root.hosts</name>
    <value>*</value>
</property>

• 问题2

Exception in thread "main" java.lang.NoSuchFieldError: SPARK_RPC_SERVER_ADDRESS


Failed to execute spark task, with exception 'org.apache.hadoop.hive.ql.metadata.HiveException(Failed to create spark client.)'
FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.spark.SparkTask

spark中不能含有hive的依赖，去掉-Phive进行编译spark

参考：
https://cwiki.apache.org/confluence/display/Hive/Hive+on+Spark%3A+Getting+Started