如何使用R连接Hive与Impala

Posted Hadoop实操

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了如何使用R连接Hive与Impala相关的知识,希望对你有一定的参考价值。

温馨提示:要看高清无码套图,请使用手机打开并单击图片放大查看。


1.文档编写目的



继之前的文章讲述和后,那我们如何使用R连接CDH集群中的Hive和Impala进行数据分析呢?本文档主要讲述如何使用R连接Hive和Impala,并分别通过命令行和CDSW进行演示。


  • 内容概述

1.驱动包准备

2.命令行测试

3.CDSW测试

4.常见问题

  • 测试环境

1.CM和CDH版本5.11.2

2.采用sudo权限的ec2-user用户操作

3.R版本3.4.2

4.CDSW版本1.1.1

  • 前置条件

1.R环境已配置

2.CDSW正常运行

3.集群未启用认证服务


2.驱动包准备



1.准备HiveJDBC驱动和ImpalaJDBC驱动

[ec2-user@ip-172-31-21-45 hive-test]$ wget https://downloads.cloudera.com/connectors/hive_jdbc_2.5.19.1053.zip
[ec2-user@ip-172-31-21-45 hive-test]$ wget https://downloads.cloudera.com/connectors/impala_jdbc_2.5.41.1061.zip


2.解压(以Hive JDBC为例)

[ec2-user@ip-172-31-21-45 hive-test]$ unzip hive_jdbc_2.5.19.1053.zip
[ec2-user@ip-172-31-21-45 2.5.19.1053 GA]$ cd 2.5.19.1053\ GA/
[ec2-user@ip-172-31-21-45 2.5.19.1053 GA]$ ll
total 17112
-rw-rw-r-- 1 ec2-user ec2-user 8414253 Jul  7 16:19 Cloudera_HiveJDBC41.zip
-rw-rw-r-- 1 ec2-user ec2-user 8398497 Jul  7 16:20 Cloudera_HiveJDBC4.zip
-r--r--r-- 1 ec2-user ec2-user  559084 Jul  4 11:30 Cloudera-JDBC-Driver-for-Apache-Hive-Install-Guide.pdf
-r--r--r-- 1 ec2-user ec2-user  117144 Jul  4 11:30 Cloudera-JDBC-Driver-for-Apache-Hive-Release-Notes.pdf
-rw-rw-r-- 1 ec2-user ec2-user   22065 Aug 10 06:26 Cloudera-JDBC-Driver-for-Apache-Hive-Release-Notes.txt
[ec2-user@ip-172-31-21-45 2.5.19.1053 GA]$


文件说明:

Cloudera_HiveJDBC41.zip支持JDK7或更高版本

Cloudera_HiveJDBC4.zip支持JDK6或更高版本

Cloudera-JDBC-Driver-for-Apache-Hive-Install-Guide.pdf说明文档

[ec2-user@ip-172-31-21-45 2.5.19.1053 GA]$ unzip Cloudera_HiveJDBC41.zip 

 
inflating: commons-codec-1.3.jar  
 
inflating: commons-logging-1.1.1.jar 
 
inflating: HiveJDBC41.jar         
 
inflating: hive_metastore.jar     
 
inflating: hive_service.jar       
 
inflating: httpclient-4.1.3.jar   
 
inflating: httpcore-4.1.3.jar     
 
inflating: libfb303-0.9.0.jar     
 
inflating: libthrift-0.9.0.jar    
 
inflating: log4j-1.2.14.jar       
 
inflating: ql.jar                 
 
inflating: slf4j-api-1.5.11.jar   
 
inflating: slf4j-log4j12-1.5.11.jar 
 
inflating: TCLIServiceClient.jar  
 
inflating: zookeeper-3.4.6.jar    
[ec2-user@ip-172-31-21-45 2.5.19.1053 GA]$

如何使用R连接Hive与Impala


将解压的所有jar包移动到/home/ec2-user/hive-test/hivedriver目录

[ec2-user@ip-172-31-21-45 2.5.19.1053 GA]$ mv *.jar /home/ec2-user/hivedriver


3.命令行测试



1.运行R控制台,安装依赖包

> install.packages("DBI")
> install.packages("RJDBC")
> install.packages("rJava")

如何使用R连接Hive与Impala


2.编写R连接Hive测试代码

[ec2-user@ip-172-31-21-45 hive-test]$ vim TestHive.R 
library("DBI")
library("rJava")
library("RJDBC")

hive.class.path = list.files(path=c("/opt/cloudera/parcels/CDH/lib/hive/lib"),pattern="jar", full.names=T);

cp = c(hive.class.path)
.jinit(classpath=cp,parameters="-Djavax.security.auth.useSubjectCredsOnly=false")

drv <- JDBC("org.apache.hive.jdbc.HiveDriver", "/home/ec2-user/hive-test/hivedriver/HiveJDBC41.jar",identifier.quote="`")
conn <- dbConnect(drv, "jdbc:hive2://ip-172-31-21-45.ap-southeast-1.compute.internal:10000")
show_databases <- dbGetQuery(conn, "show databases")
show_databases

tableCount <- dbGetQuery(conn, "
select count(*) from tpcds_parquet.call_center")
tableCount

如何使用R连接Hive与Impala


运行测试代码

[ec2-user@ip-172-31-21-45 hive-test]$ Rscript TestHive.R
Loading required package: methods

 
database_name
1      
default
2 tpcds_parquet
3    tpcds_text
 
_c0
24
[ec2-user@ip-172-31-21-45 hive-test]$

如何使用R连接Hive与Impala


3.编写R连接Impala测试代码

[ec2-user@ip-172-31-21-45 hive-test]$ vim TestImpala.R 
library("DBI")
library("rJava")
library("RJDBC")

impala.class.path = list.files(path=c("/home/ec2-user/hive-test/impaladriver"),pattern="jar", full.names=T)

cp = c(impala.class.path)
.jinit(classpath=cp,parameters="-Djavax.security.auth.useSubjectCredsOnly=false")

drv <- JDBC("com.cloudera.impala.jdbc41.Driver", "/home/ec2-user/hive-test/impaladriver/ImpalaJDBC41.jar",identifier.quote="`")
conn <- dbConnect(drv, "jdbc:impala://ip-172-31-26-102.ap-southeast-1.compute.internal:21050")
show_databases <- dbGetQuery(conn, "show databases")
show_databases

tableCount <- dbGetQuery(conn, "
select count(*) from tpcds_parquet.call_center")
tableCount

如何使用R连接Hive与Impala


运行测试代码

[ec2-user@ip-172-31-21-45 hive-test]$ Rscript TestImpala.R 
Loading required package: methods
             
name                                      comment
1 _impala_builtins System database for Impala builtin functions
2          default                        Default Hive database
3    tpcds_parquet                                            
4       tpcds_text                                            
 
expr_0
1    
24
[ec2-user@ip-172-31-21-45 hive-test]$

如何使用R连接Hive与Impala


4.CDSW测试



1.登录CDSW,挂载主机的目录到CDSW会话Session

CDSW服务所在服务器的目录

如何使用R连接Hive与Impala


进入Admin->Engines,将driver目录挂载到CDSW

如何使用R连接Hive与Impala


2.登录CDSW创建一个R的工程

如何使用R连接Hive与Impala

如何使用R连接Hive与Impala


3.创建TestHive.rTestImpala.r

如何使用R连接Hive与Impala


4.启动会话

如何使用R连接Hive与Impala

如何使用R连接Hive与Impala


这个时候我们通过终端就能看到我们挂载的driver目录

如何使用R连接Hive与Impala


5.CDSW中安装依赖包

install.packages("DBI")
install.packages("RJDBC")
install.packages("rJava")

如何使用R连接Hive与Impala


6.将命令行的测试代码复制到CDSW中的TestHive.r文件中,做相应修改

library("DBI")
library("rJava")
library("RJDBC")

hive.class.path = list.files(path=c("/opt/cloudera/parcels/CDH/lib/hive/lib"),pattern="jar", full.names=T)

cp = c(hive.class.path)
.jinit(classpath=cp,parameters="-Djavax.security.auth.useSubjectCredsOnly=false")

drv <- JDBC("org.apache.hive.jdbc.HiveDriver", "/driver/hivedriver/HiveJDBC41.jar",identifier.quote="`")
conn <- dbConnect(drv, "jdbc:hive2://ip-172-31-21-45.ap-southeast-1.compute.internal:10000")
show_databases <- dbGetQuery(conn, "show databases")
show_databases

tableCount <- dbGetQuery(conn, "
select count(*) from tpcds_parquet.call_center")
tableCount


7.运行TestHive.r

如何使用R连接Hive与Impala


8.创建TestImpala.r,将命令行代码拷贝至CDSW中,并做相应修改

library("DBI")
library("rJava")
library("RJDBC")

impala.class.path = list.files(path=c("/home/ec2-user/hive-test/impaladriver"),pattern="jar", full.names=T)

cp = c(impala.class.path)
.jinit(classpath=cp,parameters="-Djavax.security.auth.useSubjectCredsOnly=false")

drv <- JDBC("com.cloudera.impala.jdbc41.Driver", "/driver/impaladriver/ImpalaJDBC41.jar",identifier.quote="`")
conn <- dbConnect(drv, "jdbc:impala://ip-172-31-26-102.ap-southeast-1.compute.internal:21050")
show_databases <- dbGetQuery(conn, "show databases")
show_databases

tableCount <- dbGetQuery(conn, "
select count(*) from tpcds_parquet.call_center")
tableCount


9.运行TestImpala.r

如何使用R连接Hive与Impala


5.常见问题



1.安装rJava包的时候报错

cpp flags   : '-I/usr/java/jdk1.6.0_31/jre/../include -I/usr/java/jdk1.6.0_31/jre/../include/linux'
java libs   : '-L/usr/java/jdk1.6.0_31/jre/lib/amd64/server -ljvm'
configure: error: One or more Java configuration variables are not set.
Make sure R is configured with full Java support (including JDK). Run
R
CMD javareconf
as root to add Java support to R.

If you don't have root privileges, run
R CMD javareconf -e
to set all Java-related variables and then install rJava.

ERROR: configuration failed for package ‘rJava’
* removing ‘/usr/local/R-3.4.2/lib64/R/library/rJava’

如何使用R连接Hive与Impala


解决方法:

使用root用户执行命令

[root@ip-172-31-21-45 ec2-user]# source /etc/profile
[root@ip-172-31-21-45 ec2-user]# R CMD javareconf  

JAVA_HOME        : /usr/java/jdk1.7.0_67-cloudera/jre
Java library path: $(JAVA_HOME)/lib/amd64/server
JNI cpp flags    : -I$(JAVA_HOME)/../include -I$(JAVA_HOME)/../include/linux
JNI linker flags : -L$(JAVA_HOME)/lib/amd64/server -ljvm
Updating Java configuration in /usr/local/R-3.4.2/lib64/R
Done.
[root@ip-172-31-21-45
ec2-user]#



醉酒鞭名马,少年多浮夸! 岭南浣溪沙,呕吐酒肆下!挚友不肯放,数据玩的花!

温馨提示:要看高清无码套图,请使用手机打开并单击图片放大查看。




您可能还想看


安装










安全









数据科学








其他










推荐关注Hadoop实操,第一时间,分享更多Hadoop干货,欢迎转发和分享。


以上是关于如何使用R连接Hive与Impala的主要内容,如果未能解决你的问题,请参考以下文章

如何使用Python Impyla客户端连接Hive和Impala

如何安装Tableau并连接CDH的Hive/Impala

如何安装SAS并配置连接Hive/Impala

如何通过Tableau连接Kerberos的Hive/Impala

impala连接hive遇到的问题

Hive 和 Impala 以及它们与 HDFS 的交互