hdfs文件导入到hive（带资源）

前言

　　hive是基于Hadoop的一个数据仓库工具，用来进行数据提取、转化、加载，这是一种可以存储、查询和分析存储在Hadoop中的大规模数据的机制。hive数据仓库工具能将结构化的数据文件映射为一张数据库表，并提供SQL查询功能，能将SQL语句转变成MapReduce任务来执行，下面来介绍如何将结构化文档数据导入hive。

一、安装Hive

1.1 官网下载或到本章最后地址下载hive 安装包

/opt/software 下新建hive 目录 并将安装包解压至此

tar -xzvf /opt/software/apache-hive-3.1.2-bin.tar.gz -C  /opt/software/hive

解压后的 hive 目录结构如下

 1.2 添加环境变量

vim /etc/profile

文件末尾加上下面两行 分别为hive安装路径和引用

export HIVE_HOME=/usr/local/hive/apache-hive-3.1.2-bin
export PATH=$PATH:$HIVE_HOME/bin

使文件立即生效

source /etc/profile

1.3 进入hive 的jar包目录lib文件夹下

cd /usr/local/hive/apache-hive-3.1.2-bin/lib/

1.3.1 解决 log4j jar 包冲突

mv log4j-slf4j-impl-2.10.0.jar log4j-slf4j-impl-2.10.0.jar.bak

1.3.2  hive de guava-xx.jar  的guava-xx.jar  和hadoop的guava-xx.jar  包冲突，需要同步高版本jar，并删除低版本jar（两个jar包分别在/opt/hive/lib/   以及 /opt/hadoop/share/hadoop/common/lib/）

1.3.3 添加mysql 驱动到hive 的 lib下（略）

1.4 修改配置文件

进入到hive安装目录conf下执行

mv hive-env.sh.template hive-env.sh

1.4.1  编辑hive-env.sh  配置hive_home

这里注意，如果hadoop和hive 不是安装在同一台机器上，会报错找不到hadoop_home,网上暂时没有找到好方案，暂时只能装在一起，所以这里不用配置

1.4.2 conf文件夹下配置hive-site.xml （如果无该文件，请自行创建 touch hive-site.xml）

<configuration>

<property>    

<name>hive.server2.active.passive.ha.enable</name> 
<value>true</value>
</property>
<!-- hive的相关HDFS存储路径配置 -->
 <property>
    <name>hive.exec.scratchdir</name>
    <value>/tmp/hive</value>
</property>
<property>
    <name>hive.metastore.warehouse.dir</name>
    <value>/user/hive/warehouse</value>
</property>

<property>
    <name>hive.metastore.schema.verification</name>
    <value>false</value>
</property>
<property>
    <name>hive.querylog.location</name>
    <value>/user/hive/log</value>
</property>
<!-- 以下是mysql相关配置 地址端口自行更改 -->
<property>
    <name>javax.jdo.option.ConnectionURL</name>
    <value>jdbc:mysql://ip:port/testhive?createDatabaseIfNotExist=true&characterEncoding=UTF-8&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>userName</value>
  </property>
  <property>
    <name>javax.jdo.option.ConnectionPassword</name>
    <value>PASSWORD</value>
</property>
<!-- hive UI地址，不配置的话，默认只会在本机可以访问 -->
  <property>
    <name>hive.server2.thrift.bind.host</name>
    <value>0.0.0.0</value>
  </property>
</configuration>

1.5 后台启动hiveserver

nohup $HIVE_HOME/bin/hiveserver2 &

　　

 1.6 启动hive 自带client

bin/hive

进入hive 客户端

 1.7 执行sql测试

hive> create table emp(
      > id int,
      > name string);
hive> insert into emp values(1,"lisi");

hive> select * from emp;
OK
1       lisi
Time taken: 0.395 seconds, Fetched: 1 row(s)　　

正常！

二 、 将hdfs中的文件导入hive

2.1 新建emp表，指定以空格切分字段，以换行切分数据条数

hive> create table student(
    > id int,
    > name string)
    > row format delimited
    > fields terminated by ' '
    > lines terminated by '\n';　

2.2 准备要导入的文件

先找到hdfs文件路径

可以在Hadoop（Utilities-Browse the file system）上看到本次要导入的文件路径为  /flume/20220113/13/logs-.1642052912087

2.3 执行导入命令

hive> load data inpath '/flume/20220113/13/logs-.1642052912087' INTO TABLE emp;
Loading data to table default.emp
OK　　

执行查询emp语句，可以看到数据以成功导入

下面为hdfs 源文件（test.log）

1 sam
2 lisi
3 tom
4 zhaoliu
5 wangfang

到hadoop 控制台可以看到hive 的表文件

结束！

hive 安装包下载地址

链接：https://pan.baidu.com/s/1CIBq7V6m4yH7TYmI0tacRQ
提取码：6666