Windows10系统下Hadoop和Hive开发环境问题分析

这篇文章主要讲解了“Windows10系统下Hadoop和Hive开发环境问题分析”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“Windows10系统下Hadoop和Hive开发环境问题分析”吧！

环境准备

基于笔者的软件版本洁癖，所有选用的组件都会使用当前(2020-10-30)最高的版本。

下面列举部分组件对应的下载地址：

• Apache Hadoop  3.3.0：https://mirror.bit.edu.cn/apache/hadoop/common/hadoop-3.3.0/hadoop-3.3.0.tar.gz

• Apache Hive  3.1.2：https://mirrors.bfsu.edu.cn/apache/hive/hive-3.1.2/apache-hive-3.1.2-bin.tar.gz

• Apache Hive 1.2.2  src：https://mirrors.bfsu.edu.cn/apache/hive/hive-1.2.2/apache-hive-1.2.2-src.tar.gz

• winutils：https://github.com/kontext-tech/winutils(如果下载速度慢，可以先把仓库导入gitee.com再下载，或者用笔者已经同步好的仓库https://gitee.com/throwableDoge/winutils)

下载完这一些列软件之后，MySQL正常安装为系统服务随系统自启。解压hadoop-3.3.0.tar.gz、apache-hive-3.1.2-bin.tar.gz、apache-hive-1.2.2-src.tar.gz和winutils到指定目录：

接着把源码包apache-hive-1.2.2-src.tar.gz解压后的bin目录下的文件拷贝到apache-hive-3.1.2-bin的bin目录中：

然后把winutils中的hadoop-3.3.0\bin目录下的hadoop.dll和winutils.exe文件拷贝到Hadoop的解压目录的bin文件夹下：

最后再配置一下JAVA_HOME和HADOOP_HOME两个环境变量，并且在Path中添加%JAVA_HOME%\bin;和%HADOOP_HOME%\bin：

笔者本地安装的JDK版本为1.8.0.212，理论上任意一个小版本的JDK8都可以。

接着用命令行测试一下，如果上述步骤没问题，控制台输出如下：

配置和启动Hadoop

在HADOOP_HOME的etc\hadoop子目录下，找到并且修改下面的几个配置文件：

「core-site.xml」(这里的tmp目录一定要配置一个非虚拟目录，别用默认的tmp目录，否则后面会遇到权限分配失败的问题)

<configuration>     <property>         <name>fs.defaultFS</name>         <value>hdfs://localhost:9000</value>     </property>       <property>         <name>hadoop.tmp.dir</name>         <value>/e:/LittleData/hadoop-3.3.0/data/tmp</value>     </property>   </configuration>

「hdfs-site.xml」(这里要预先创建nameNode和dataNode的数据存放目录，注意一下每个目录要以/开头，笔者这里预先在HADOOP_HOME/data创建了nameNode和dataNode子目录)

<configuration>     <property>         <name>dfs.replication</name>         <value>1</value>     </property>     <property>         <name>dfs.http.address</name>         <value>0.0.0.0:50070</value>     </property>     <property>             <name>dfs.namenode.name.dir</name>             <value>/e:/LittleData/hadoop-3.3.0/data/nameNode</value>         </property>         <property>             <name>dfs.datanode.data.dir</name>             <value>/e:/LittleData/hadoop-3.3.0/data/dataNode</value>       </property>     <property>         <name>dfs.permissions.enabled</name>         <value>false</value>     </property> </configuration>

「mapred-site.xml」

<configuration>     <property>         <name>mapreduce.framework.name</name>         <value>yarn</value>     </property> </configuration>

「yarn-site.xml」

<configuration>     <property>         <name>yarn.nodemanager.aux-services</name>         <value>mapreduce_shuffle</value>     </property>     <property>         <name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>         <value>org.apache.hadoop.mapred.ShuffleHandler</value>     </property> </configuration>

至此，最小化配置基本完成。接着需要格式化namenode并且启动Hadoop服务。切换至$HADOOP_HOME/bin目录下，使用CMD输入命令hdfs  namenode -format(格式化namenode切记不要重复执行)：

格式化namenode完毕后，切换至$HADOOP_HOME/sbin目录下，执行start-all.cmd脚本：

这里命令行会提示start-all.cmd脚本已经过期，建议使用start-dfs.cmd和start-yarn.cmd替代。同理，如果执行stop-all.cmd也会有类似的提示，可以使用stop-dfs.cmd和stop-yarn.cmd替代。start-all.cmd成功执行后，会拉起四个JVM实例(见上图中的Shell窗口自动新建了四个Tab)，此时可以通过jps查看当前的JVM实例：

λ jps 19408 ResourceManager 16324 NodeManager 14792 Jps 15004 NameNode 2252 DataNode

可见已经启动了ResourceManager、NodeManager、NameNode和DataNode四个应用，至此Hadoop的单机版已经启动成功。通过stop-all.cmd命令退出这四个进程。可以通过http://localhost:8088/查看调度任务的状态：

通过http://localhost:50070/去查看HDFS的状态和文件：

重启Hadoop的办法：先执行stop-all.cmd脚本，再执行start-all.cmd脚本。

配置和启动Hive

Hive是构筑于HDFS上的，所以务必确保Hadoop已经启动。Hive在HDFS中默认的文件路径前缀是/user/hive/warehouse，因此可以先通过命令行在HDFS中创建此文件夹：

hdfs dfs -mkdir /user/hive/warehouse hdfs dfs -chmod -R 777 /user/hive/warehouse

同时需要通过下面的命令创建并为tmp目录赋予权限：

hdfs dfs -mkdir /tmp hdfs dfs -chmod -R 777 /tmp

在系统变量中添加HIVE_HOME，具体的值配置为E:\LittleData\apache-hive-3.1.2-bin，同时在Path变量添加%HIVE_HOME%\bin;，跟之前配置HADOOP_HOME差不多。下载和拷贝一个mysql-connector-java-8.0.x.jar到$HIVE_HOME/lib目录下：

创建Hive的配置文件，在$HIVE_HOME/conf目录下已经有对应的配置文件模板，需要拷贝和重命名，具体如下：

• $HIVE_HOME/conf/hive-default.xml.template =>  $HIVE_HOME/conf/hive-site.xml

• $HIVE_HOME/conf/hive-env.sh.template => $HIVE_HOME/conf/hive-env.sh

• $HIVE_HOME/conf/hive-exec-log4j.properties.template =>  $HIVE_HOME/conf/hive-exec-log4j.properties

• $HIVE_HOME/conf/hive-log4j.properties.template =>  $HIVE_HOME/conf/hive-log4j.properties

修改hive-env.sh脚本，在尾部添加下面内容：

export HADOOP_HOME=E:\LittleData\hadoop-3.3.0 export HIVE_CONF_DIR=E:\LittleData\apache-hive-3.1.2-bin\conf export HIVE_AUX_JARS_PATH=E:\LittleData\apache-hive-3.1.2-bin\lib

修改hive-site.xml文件，主要修改下面的属性项：

修改完毕之后，在本地的MySQL服务新建一个数据库hive，编码和字符集可以选用范围比较大的utf8mb4(虽然官方建议是latin1，但是字符集往大范围选没有影响)：

上面的准备工作做完之后，可以进行Hive的元数据库初始化，在$HIVE_HOME/bin目录下执行下面的脚本：

hive --service schematool -dbType mysql -initSchema

这里有个小坑，hive-site.xml文件的第3215行有个神奇的无法识别的符号：

此无法识别符号会导致Hive的命令执行异常，需要去掉。当控制台输出Initialization script completed schemaTool  completed的时候，说明元数据库已经初始化完毕：

在$HIVE_HOME/bin目录下，通过hive.cmd可以连接Hive(关闭控制台即可退出)：

> hive.cmd

尝试创建一个表t_test：

hive>  create table t_test(id INT,name string); hive>  show tables;

查看http://localhost:50070/确认t_test表已经创建成功。

尝试执行一个写入语句和查询语句：

hive>  insert into t_test(id,name) values(1,'throwx'); hive>  select * from t_test;

写用了30多秒，读用了0.165秒。

使用JDBC连接Hive

HiveServer2是Hive服务端接口模块，必须启动此模块，远程客户端才能对Hive进行数据写入和查询。目前，此模块还是基于Thrift  RPC实现，它是HiveServer的改进版，支持多客户端接入和身份验证等功能。配置文件hive-site.xml中可以修改下面几个关于HiveServer2的常用属性：

在$HIVE_HOME/bin目录下执行下面的命令可以启动HiveServer2：

hive.cmd --service hiveserver2

客户端需要引入hadoop-common和hive-jdbc依赖，依赖的版本尽量和对接的Hadoop和Hive版本对应。

<dependency>     <groupId>org.apache.hadoop</groupId>     <artifactId>hadoop-common</artifactId>     <version>3.3.0</version> </dependency> <dependency>     <groupId>org.apache.hive</groupId>     <artifactId>hive-jdbc</artifactId>     <version>3.1.2</version> </dependency> <dependency>     <groupId>org.springframework.boot</groupId>     <artifactId>spring-boot-starter-jdbc</artifactId>     <version>2.3.5.RELEASE</version> </dependency>

hadoop-common依赖链比较长，会连带下载大量其他相关依赖，所以可以找个空闲时间在某个Maven项目先挂起该依赖下载的任务(笔者挂起此依赖下载任务洗完澡仍然没下完，还会出现org.glassfish:javax.el的快照包无法下载的问题，不过不影响正常使用)。最后添加一个单元测试类HiveJdbcTest：

@Slf4j public class HiveJdbcTest {      private static JdbcTemplate TEMPLATE;     private static HikariDataSource DS;      @BeforeClass     public static void beforeClass() throws Exception {         HikariConfig config = new HikariConfig();         config.setDriverClassName("org.apache.hive.jdbc.HiveDriver");         // 这里笔者修改过hive-site.xml的对应配置,因为端口不是默认的10000 //        config.setJdbcUrl("jdbc:hive2://127.0.0.1:10091");         config.setJdbcUrl("jdbc:hive2://127.0.0.1:10091/db_test");         DS = new HikariDataSource(config);         TEMPLATE = new JdbcTemplate(DS);     }      @AfterClass     public static void afterClass() throws Exception {         DS.close();     }      @Test     public void testCreateDb() throws Exception {         TEMPLATE.execute("CREATE DATABASE db_test");     }      @Test     public void testCreateTable() throws Exception {         TEMPLATE.execute("CREATE TABLE IF NOT EXISTS t_student(id INT,name string,major string)");         log.info("创建t_student表成功");     }      @Test     public void testInsert() throws Exception {         int update = TEMPLATE.update("INSERT INTO TABLE t_student(id,name,major) VALUES(?,?,?)", p -> {             p.setInt(1, 10087);             p.setString(2, "throwable");             p.setString(3, "math");         });         log.info("写入t_student成功,更新记录数:{}", update);  // 这里比较神奇,数据写入了,返回的update数量为0     }      @Test     public void testSelect() throws Exception {         List<Student> result = TEMPLATE.query("SELECT * FROM t_student", rs -> {             List<Student> list = new ArrayList<>();             while (rs.next()) {                 Student student = new Student();                 student.setId(rs.getLong("id"));                 student.setName(rs.getString("name"));                 student.setMajor(rs.getString("major"));                 list.add(student);             }             return list;         });         // 打印日志：查询t_student成功,结果:[HiveJdbcTest.Student(id=10087, name=throwable, major=math)]         log.info("查询t_student成功,结果:{}", result);     }      @Data     private static class Student {          private Long id;         private String name;         private String major;     } }

可能遇到的问题

下面小结一下可能遇到的问题。

Java虚拟机启动失败

目前定位到是Hadoop无法使用JDK[9+的任意版本JDK，建议切换为任意JDK8的小版本。

出现找不到Hadoop执行文件异常

确保已经把winutils中的hadoop-3.3.0\bin目录下的hadoop.dll和winutils.exe文件拷贝到Hadoop的解压目录的bin文件夹中。

start-all.cmd脚本执行时有可能出现找不到批处理脚本的异常。此问题在公司的开发机出现过，在家用的开发机没有重现，具体解决方案是在start-all.cmd脚本的首行加入cd  $HADOOP_HOME，如cd E:\LittleData\hadoop-3.3.0。

无法访问localhost:50070

一般是因为hdfs-site.xml配置遗漏了dfs.http.address配置项，添加：

<property>     <name>dfs.http.address</name>     <value>0.0.0.0:50070</value> </property>

然后调用stop-all.cmd，再调用start-all.cmd重启Hadoop即可。

Hive连接MySQL异常

注意MySQL的驱动包是否已经正确拷贝到$HIVE_HOME/lib下，并且检查javax.jdo.option.ConnectionURL等四个属性是否配置正确。如果都正确，注意是否MySQL的版本存在问题，或者服务的版本与驱动版本不匹配。

Hive找不到批处理文件

一般描述是'xxx.cmd' is not recognized as an internal or external  command...，一般是Hive的命令执行时的异常，需要把Hive  1.x的源码包的bin目录下的所有.cmd脚本拷贝到$HIVE_HOME/bin对应的目录下。

文件夹权限问题

常见如CreateSymbolicLink异常，会导致Hive无法使用INSERT或者LOAD命令写入数据。出现这类问题可以通过下面方式解决：

• Win + R然后运行gpedit.msc - 计算机设置 - Windows设置 — 安全设置 - 本地策略 - 用户权限分配 - 创建符号链接 -  添加当前用户。

或者「直接使用管理员账号或者管理员权限启动CMD」，然后执行对应的脚本启动Hadoop或者Hive。

SessionNotRunning异常

启动HiveServer2中或者外部客户端连接HiveServer2时候有可能出现此异常，具体是java.lang.ClassNotFoundException:  org.apache.tez.dag.api.TezConfiguration的异常。解决方案是：配置文件hive-site.xml中的hive.execution.engine属性值由tez修改为mr，然后重启HiveServer2即可。因为没有集成tez，重启后依然会报错，但是60000ms后会自动重试启动(一般重试后会启动成功)：

这算是一个遗留问题，但是不影响客户端正常连接，只是启动时间会多了60秒。

HiveServer2端口冲突

修改配置文件hive-site.xml中的hive.server2.thrift.port属性值为未被占用的端口，重启HiveServer2即可。

数据节点安全模式异常

一般是出现SafeModeException异常，提示Safe mode is ON。通过命令hdfs dfsadmin -safemode  leave解除安全模式即可。

AuthorizationException

常见的是Hive通过JDBC客户端连接HiveServer2服务时候会出现这个异常，具体是信息是：User: xxx is not allowed to  impersonate anonymous。这种情况只需要修改Hadoop的配置文件core-site.xml，添加：

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

这里的xxx是指报错时候具体的系统用户名，例如笔者开发机的系统用户名为doge

然后重启Hadoop服务即可。

MapRedTask的权限问题

常见的是Hive通过JDBC客户端连接HiveServer2服务执行INSERT或者LOAD操作时候抛出的异常，一般描述是Execution Error,  return code 1 from org.apache.hadoop.hive.ql.exec.mr.MapRedTask. Permission  denied: user=anonymous, access=EXECUTE,  inode="/tmp/hadoop-yarn":xxxx:supergroup:drwx------。通过命令hdfs dfs -chmod -R 777  /tmp赋予匿名用户/tmp目录的读写权限即可。

小结没什么事最好还是直接在Linux或者Unix系统中搭建Hadoop和Hive的开发环境比较合理，Windows系统的文件路径和权限问题会导致很多意想不到的问题。本文参考了大量互联网资料和Hadoop和Hive的入门书籍，这里就不一一贴出，站在巨人的肩膀上。

感谢各位的阅读，以上就是“Windows10系统下Hadoop和Hive开发环境问题分析”的内容了，经过本文的学习后，相信大家对Windows10系统下Hadoop和Hive开发环境问题分析这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是亿速云，小编将为大家推送更多相关知识点的文章，欢迎关注！