皇冠现金appCDH Hadoop类别目录,CDH Hadoop连串目录

CDH Hadoop体系目录:

CDH Hadoop种类目录:

Hadoop实战(3)_虚构机搭建CDH的全遍及形式

Hadoop实战(3)_设想机搭建CDH的全分布形式

Hadoop实战(4)_Hadoop的集群管理和财富分配

Hadoop实战(4)_Hadoop的集群管理和能源分配

Hadoop实战(5)_Hadoop的运转经验

Hadoop实战(5)_Hadoop的运维经验

Hadoop实战(8)_CDH添加Hive服务及Hive基础

Hive种类布局

Hive有2个服务端守护进度:Hiveserver2:支撑JDBC访问,Thrift服务。MetaStore
Server:支撑访问元数据库的劳动。

Hadoop实战(9)_Hive进阶及UDF开发

Hive内核结构

Complier:编译器,编译hql语法。

Optimizer:优化hql代码,产生最优实施布署。通过explain select
…查看实行计划。

Executor:实施最终转化的类(M帕杰罗job)。

Sqoop语法表达

Sqoop官方学习文书档案:

http://archive.cloudera.com/cdh5/cdh/5/sqoop-1.4.6-cdh5.9.0/

Sqoop import是相持于HDFS来说,即从关全面据库import到HDFS上。

mysql的驱动包放到sqoop/lib下。

Hive客商接口

客商接口主要有四个:CLI, JDBC/ODBC和WebGUI。

CLI,即hive shell命令行,Command line。

JDBC/ODBC是Hive的JAVA,与利用守旧数据库JDBC的办法临近。

WebGUI是透过浏览器访问Hive,舍弃功效。

案例一:把数据导入到HDFS上

/root/project
mkdir sqoop_prj
cd sqoop_prj/
mkdir DBS
cd DBS/
touch DBS.opt

hadoop fs -mkdir /user/hive/warehouse/DBS
which sqoop

推行opt文件,无法传参,sqoop --options-file aa.opt-m,钦点map数,如果收取的表数据量大,则调大map数。如若-m设置为5,5个线程,则在HDFS上发生5个文本。

把sqoop写到shell脚本的补益,能够传参数。

#!/bin/sh
. /etc/profile

hadoop fs -rmr /user/hive/warehouse/DBS



sqoop import  --connect "jdbc:mysql://cdhmaster:3306/hive"    \
--username root                                                          \
--password 123456                                                        \
-m    1                                                             \
--table  DBS                                                           \
--columns   "DB_ID,DESC,DB_LOCATION_URI,NAME,OWNER_NAME,OWNER_TYPE"         \
--target-dir  "/user/hive/warehouse/DBS"    

#--where "length(DESC)>0"                                               \                               
#--null-string ''

bug,驱动难题

ERROR manager.SqlManager: Error reading from database: java.sql.SQLException: Streaming result set com.mysql.jdbc.RowDataDynamic@3c1a42fa is still active. No statements may be issued when any streaming result sets are open and in use on a given connection. Ensure that you have called .close() on any active streaming result sets before attempting more queries.
java.sql.SQLException: Streaming result set com.mysql.jdbc.RowDataDynamic@3c1a42fa is still active. No statements may be issued when any streaming result sets are open and in use on a given connection. Ensure that you have called .close() on any active streaming result sets before attempting more queries.

充实参数,参照他事他说加以考察

https://stackoverflow.com/questions/29162447/sqoop-import-issue-with-mysql

https://stackoverflow.com/questions/26375269/sqoop-error-manager-sqlmanager-error-reading-from-database-java-sql-sqlexcept

--driver com.mysql.jdbc.Driver

充实参数后的警戒,

WARN sqoop.ConnFactory: Parameter --driver is set to an explicit driver however appropriate connection manager is not being set (via --connection-manager). Sqoop is going to fall back to org.apache.sqoop.manager.GenericJdbcManager. Please specify explicitly which connection manager should be used next time.

bug,sql语法难点,

Error: java.io.IOException: SQLException in nextKeyValue

去掉关键词列DESC,参考,

https://community.cloudera.com/t5/Data-Ingestion-Integration/sqoop-throws-SQLException-in-nextKeyValue/m-p/42653

添加Hive服务

累加服务-Hive,Gateway空,Hive Metastore
Server采用cdhmaster,HiveServer2选用cdhslave1。使用嵌入式数据库测验连接跳过。

案例二:数据写Hive普通表(非分区表)

# mysql
create table test (id int, pdate date);
insert into test(id, pdate) values (1, '2017-11-05');
insert into test(id, pdate) values (2, '2017-11-06');
insert into test(id, pdate) values (3, '2017-11-05');
insert into test(id, pdate) values (4, '2017-11-06');

# hive
drop table if exists test;
create table test(id int, pdate string);

--hive-import,钦命要写入hive表,该参数无value。

--hive-overwrite

--hive-table,test。

安装MySQL

yum list | grep mysql
yum install -y mysql-server
# 启动mysql服务
chkconfig --list | grep mysql
service mysqld start
chkconfig mysqld on
chkconfig --list | grep mysql
# 创建root管理员
mysqladmin -u root password 123456
# 登录mysql
mysql -u root -p
# 设置字符集,否则会造成转码问题
create database hive;
alter database hive character set latin1;
# 设置访问权限
GRANT ALL PRIVILEGES ON *.* TO 'root'@'%' IDENTIFIED BY '123456' WITH GRANT OPTION;

字符集不科学的话,可能报错。

FAILED: Error in metadata: MetaException(message:Got exception: org.apache.thrift.transport.TTransportException null)
FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.DDLTask

MySQL驱动,把mysql的驱动mysql-connector-java-5.1.18-bin.jar放在/opt/cloudera/parcels/CDH/lib/hive/lib/下。

(可选)复制mysql-connector-java-5.1.18-bin.jar/usr/share/cmf/lib/,供cm分界面用,增添hive服务跳过元数据库配置即那几个驱动包恐怕会找不到。

案例三:写Hive分区表,so,salesorder

注意事项:

1、用哪些字段做分区?
创设时间,实际不是last_modify_time

Q:
用创设时间收取至hive分区,订单状态变化周期是45天,订单状态变化后,hive数据如何同步?

hive不支持update,每一日抽取近15天的订单到Hive的分级分区里。Hive是做总计深入分析,平日最关注是明天的场所。

# cdhmaster
cd ~
mysql -uroot -p123456 < so.sql
ERROR 1046 (3D000) at line 3: No database selected

vi so.sql
use test;

mysql -uroot -p123456 < so.sql

# hive
CREATE TABLE so (
  order_id bigint,
  user_id bigint,
  order_amt double ,
  last_modify_time string
) partitioned by (date string);

Sqoop执行后,注意:

  • 会在该客商HDFS的home目录下,发生二个与源表同名的目录,如/user/root/so
    假使sqoop import至hive成功,该目录会自动删掉。
  • 在实施的目录下发出叁个java文件,即opt转化的MOdyssey Job代码。
  • sqoop import中,无论hive表是怎么着列分隔符,均能够活动相配。

Sqoop抽出框架封装:

  • 建二个mysql配置表,配置供给抽出的表及信息;
  • Java读取mysql配置表,动态生成opt文件;
  • Java中推行Process类调本地系统命令—sqoop –options-file opt文件;

Sqoop-imp -task 1 “2015-04-21”

Sqoop-imp “2015-04-21”

Hive元数据库设置

进入cm的hive服务-配置中,

先举办能源管理,Hive Metastore Server的Java仓库大小,200M。Hive
Server2的Java货仓大小,200M。

Hive Metastore数据库,选取MySQL。Hive Metastore数据库名称,hive。Hive
Metastore数据库主机,cdhmaster。Hive Metastore数据库端口,3306。Hive
Metastore数据库客商,root。Hive
Metastore数据库密码,123456。自动创设和晋级Hive
Metastore数据库架构,打勾。严谨的Hive Metastore架构验证,不打勾。

下一场运营Hive服务,观看Metastore
Server是或不是能连上mysql(实例点进去查看剧中人物的日记)。假若连不上,就反省grant访问mysql的权柄。

[main]: Failed initialising database.
Unable to open a test connection to the given database. JDBC url = jdbc:mysql://cdhmaster:3306/hive?useUnicode=true&characterEncoding=UTF-8, username = root. Terminating connection pool (set lazyInit to true if you expect to start your database after your app). Original Exception: ------
java.sql.SQLException: Access denied for user 'root'@'cdhmaster' (using password: YES)

GRANT ALL PRIVILEGES ON *.* TO 'root'@'cdhmaster' IDENTIFIED BY '123456' WITH GRANT OPTION;

Sqoop export

# mysql test
create table so1 as 
select * from so where 1=0;

源头必须是HDFS/Hive,目的关周到据库。

表so1的datelast_modify_time修改为varchar

长途元数据库

元数据库能够安装在别的节点上,顾客端通过MetaStoreServer服务拜访元数据库。

(Meta Store Client/Hive CLI)-MetaStore Server(thrift)-MySQL Server

属性 默认值
hive.metastore.local true false
hive.metastore.uris 如thrift://192.168.1.110:9083

Sqoop工具打包

Flow etl 施行全数已布局的表抽出。

Flow etl -task 1

Flow etl -task 1 2017-01-01

  • 读取mysql的extract_to_hdfsextract_db_info,依据安排音讯生成.opt文件。
  • 通过Java的Process类调Linux命令:sqoop --options-file opt文件

idea打包Flow.jar,'D:/Java/idea/IdeaProjects/Hive_Prj/src/META-INF/MANIFEST.MF' already exists in VFS,删掉文件夹META-INF

db.properties是拜候mysql数据库的布局。

extract_db_info,抽取的表来自的数据库的布署。

Flow.jar上传至/root/project/lib

/root/project/bin,创建Flow命令。

配置FLOW_HOME

vi /etc/profile

export FLOW_HOME=/root/project

source /etc/profile

配置db.properties

# FLOW_HOME
mkdir conf

vi db.properties

db.driver=com.mysql.jdbc.Driver
db.url=jdbc:mysql://cdhmaster:3306/test
db.user=root
db.password=123456

配置sqoop option目录sqoop/opts

# FLOW_HOME
mkdir -p sqoop/opts

假设要在试行时产生日志,要求开支jar时配置log4j。

ERROR manager.SqlManager: Error reading from database: java.sql.SQLException: Streaming result set com.mysql.jdbc.RowDataDynamic@310d117d is still active. No statements may be issued when any streaming result sets are open and in use on a given connection. Ensure that you have called .close() on any active streaming result sets before attempting more queries.
java.sql.SQLException: Streaming result set com.mysql.jdbc.RowDataDynamic@310d117d is still active. No statements may be issued when any streaming result sets are open and in use on a given connection. Ensure that you have called .close() on any active streaming result sets before attempting more queries.

HDFSExtract.java,扩张布署--driver com.mysql.jdbc.Driver,重新打包上传。

学业能够对应做修改,如sh ./so.sh

# /root/project/sqoop_prj/DBS
vi so.sh

Flow etl -task 1 $yestoday

您可能还想看

数量剖判/数据开掘/机器学习

Python数据开采与机械和工具学习_通讯信用危机评估实战(1)——读数据

Python数据发掘与机械和工具学习_通讯信用危机评估实战(2)——数据预管理

Python数据开采与机械和工具学习_通讯信用危害评估实战(3)——特征工程

Python数据开采与机械和工具学习_通讯信用风险评估实战(4)——模型训练与调优

爬虫

Python爬虫实战之爬取链家新德里房价_01简约的单页爬虫

Python爬虫实战之爬取链家圣地亚哥房价_02把小爬虫变大

Python爬虫实战之爬取链家新德里房价_03存储

Python爬虫实战之爬取链家圣地亚哥房价_04链家的上行下效登入(记录)

搜狗词库爬虫(1):基础爬虫架商谈爬取词库分类

搜狗词库爬虫(2):基础爬虫框架的运作流程


微信大伙儿号「数据解析」,分享数据地农学家的笔者修养,既然遇见,比不上一同中年人。

皇冠现金app 1

多少解析

转载请申明:转发自微信民众号「数据分析」


Hive命令

show databases;
use default;
create table test(id int, name string);
desc test;


个中表,又称托管表,drop后数据遗失。

外表表:create external table tableName,drop表时数据不会删除。

alter table set location '';
alter table add partition(date='') location '';

暗中同意分隔符,列为\001,行为\n。

create external table page_view_stg
(userid bigint,
 url string,
 ip string comment 'IP Address of the User')
row format delimited fields terminated by '\t'
partitioned by (ds string, type string)
lines terminated by '\n'
stored as textfile
location '/user/hive/external/city';

字段类型

  • int
  • bigint,长整型
  • double,金额类
  • string,字符串,日期,非数值型的全体能够用string

Cli

hive -e “select …”

hive -f aa.sql

hive -e -i -i的意义是加载开首化命令,比如UDF

create database dw location '/user/hive/dw';

FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.DDLTask. MetaException(message:Got exception: org.apache.hadoop.security.AccessControlException Permission denied: user=root, access=WRITE, inode="/user/hive":hive:hive:drwxrwxr-t

化解办法,用hdfs帐户实践

su - hdfs
hadoop fs -chmod 777 /user/hive

hive
use dw;
create table aa(name string);

分区

提到DB的分区都以优先建好,一般都以由此有些字段的限量,譬喻date。

Hive的分区是写多少进去的时候自动建的,分区表insert时必得内定分区。

把三个文本入到Hive表有第22中学方法:

方式1:通过load命令

方式2:首先hadoop fs -put至HDFS,然后alter location。

Hive的insert有2种,insert overwrite(覆盖),insert into(追加)。

create table track_log (
id                         string ,
url                        string ,
referer                    string ,
keyword                    string ,
type                       string ,
guid                       string ,
pageId                     string ,
moduleId                   string ,
linkId                     string ,
attachedInfo               string ,
sessionId                  string ,
trackerU                   string ,
trackerType                string ,
ip                         string ,
trackerSrc                 string ,
cookie                     string ,
orderCode                  string ,
trackTime                  string ,
endUserId                  string ,
firstLink                  string ,
sessionViewNo              string ,
productId                  string ,
curMerchantId              string ,
provinceId                 string ,
cityId                     string )  
PARTITIONED BY (date string,hour string)  
ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t';

hive -e "LOAD DATA LOCAL INPATH '/root/data/2015082818' OVERWRITE INTO TABLE track_log PARTITION (date='2015-08-28',hour='18');"

hive -e "LOAD DATA LOCAL INPATH '/root/data/2015082819' OVERWRITE INTO TABLE track_log PARTITION (date='2015-08-28',hour='19');"

select date,count(url) as pv, count(distinct guid) as uv from track_log where date='2015-08-28' group by date;

分区字段名不可能和日常字段重复,分区字段用起来和常常字段没区别。

动态分区

表1是日期分区,必要把表第11中学多少写入表2(日期、小时分区)?

insert overwrite table table2 partition(date='', hour='00') 
select 
from table1 
 where hour(time)=0;

create table rpt_visit_daily_hour 
(
    pv bigint,
    uv bigint
) partitioned by (date string, hour string);

insert overwrite table rpt_visit_daily_hour partition (date='2015-08-28', hour) 
select count(url) as pv, 
count(distinct guid) as uv, 
hour 
from track_log 
where date='2015-08-28' group by date,hour;

Hive表数据的根源

  • 事情系统,sqoop用于关系db和hive/hdfs导入导出。
  • 数据文件,hive load命令,用于加载网址顾客作为数据。
  • 任何数据表,insert … select
  • 新闻中间件,比如kafka离线花费写HDFS。

Q:drop后的外表表在哪些岗位?

A:外界表数据未有去除,只是删除了表的元数据音讯,手工业把HDFS目录映射到hive表分区:
hive -e “alter table tt add partition (date=”,hour=”) location
‘/user/hive/warehouse/track_log/date=2015-08-28/hour=18′”

Hive官方文书档案:

https://cwiki.apache.org/confluence/display/Hive/Tutorial


你可能还想看

数据分析/数据开掘/机器学习

Python数据发现与机械和工具学习_通讯信用危机评估实战(1)——读数据

Python数据发掘与机械和工具学习_通讯信用危害评估实战(2)——数据预处理

Python数据开采与机具学习_通讯信用危机评估实战(3)——特征工程

Python数据开采与机械和工具学习_通讯信用危害评估实战(4)——模型磨练与调优

爬虫

Python爬虫实战之爬取链家里斯本房价_01简便的单页爬虫

Python爬虫实战之爬取链家马尼拉房价_02把小爬虫变大

Python爬虫实战之爬取链家苏黎世房价_03存储

Python爬虫实战之爬取链家华盛顿房价_04链家的模拟登入(记录)

搜狗词库爬虫(1):基础爬虫架商谈爬取词库分类

搜狗词库爬虫(2):基础爬虫框架的运维流程


微信徒人号「数据分析」,分享数据科学家的本人修养,既然遇见,比不上一同成年人。

数据深入分析

转载请注解:转发自微信大伙儿号「数据分析」


相关文章