技能速成！教你10分钟内在电脑上配置运行Hive Metastore和Presto

{"value":"> 作者：范斌；Alluxio创始成员、开源社区副总裁\n**To 初学者：**\n\n本教程将指导初学者在本地服务器上通过搭建Presto和Hive Metastore来查询S3上的数据。\nPresto是用于计划和执行查询的SQL引擎，S3为表分区文件提供存储服务，而Hive Metastore是为Presto访问表模式和位置信息提供catalog服务。\n本教程将展示如何一步一步安装并配置Presto和Hive MetaStore，从而查询存储在公有S3 bucket中的数据。\n\n# 第一步：下载和启动Hive MetaStore\n本教程中我们下载并使用 [apache-hive-2.3.7-bin.tar.gz]，点击[下载](下载)并解压Hive的二进制压缩包。\n\n```\n$ cd /path/to/tutorial/root\n$ wget https://downloads.apache.org/hive/hive-2.3.7/apache-hive-2.3.7-bin.tar.gz\n$ tar -zxf apache-hive-2.3.7-bin.tar.gz\n$ cd apache-hive-2.3.7-bin\n```\n\n我们只需要启动Hive Metastore来为Presto提供诸如表模式和分区位置等的catalog信息。\n\n如果你是第一次启动Hive Metastore，请准备好相应的配置文件和环境，同时初始化(initialize)一个新的Metastore。\n\n```\n$ export HIVE_HOME=`pwd`\n$ cp conf/hive-default.xml.template conf/hive-site.xml\n$ mkdir -p hcatalog/var/log/\n$ bin/schematool -dbType derby -initSchema\n```\n\n需要配置Hive来访问S3，可以在conf/hive-env.sh中添加以下几行。同时，Hive需要相应的jar包来访问带有“s3a://”地址的文件，还需要AWS凭证来访问S3 bucket（包括公有S3 bucket）。\n\n```\nexport HIVE_AUX_JARS_PATH=${HADOOP_HOME}/share/hadoop/tools/lib/aws-java-sdk-core-1.10.6.jar:${HADOOP_HOME}/share/hadoop/tools/lib/aws-java-sdk-s3-1.10.6.jar:${HADOOP_HOME}/share/hadoop/tools/lib/hadoop-aws-2.8.4.jar\nexport AWS_ACCESS_KEY_ID=<Your AWS Access Key>\nexport AWS_SECRET_ACCESS_KEY=<Your AWS Secret Key>\n```\n\n如果你的Hadoop安装包中没有上述jar包，你也可以从maven central下载：\n\n[https://link.zhihu.com/?target=https%3A//repo1.maven.org/maven2/com/amazonaws/aws-java-sdk-core/1.10.6/aws-java-sdk-core-1.10.6.jar](<aws-java-sdk-core-1.10.6.jar>)、[https://link.zhihu.com/?target=https%3A//repo1.maven.org/maven2/com/amazonaws/aws-java-sdk-s3/1.10.6/aws-java-sdk-s3-1.10.6.jar](<aws-java-sdk-s3-1.10.6.jar>)、[https://link.zhihu.com/?target=https%3A//repo1.maven.org/maven2/org/apache/hadoop/hadoop-aws/2.8.4/hadoop-aws-2.8.4.jar](<hadoop-aws-2.8.4.jar>)\n\n启动Hive Metastore，它将在后台运行并监听端口9083（默认端口）。\n\n```\n$ hcatalog/sbin/hcat_server.sh start\nStarted metastore server init, testing if initialized correctly...\nMetastore initialized successfully on port[9083].\n```\n\n为了验证MetaStore是否在运行，请在 hcatalog/var/log/路径下查看Hive Metastore日志。\n\n# 第二步：下载并启动Presto服务器\n在本教程中我们以[0.237.1版本]服务器为例，[点击链接](点击链接)，打开Presto服务器安装页面，下载并解压经过预编译的（pre-build），服务器压缩包。\n\n```\n$ cd /path/to/tutorial/root\n$ wget https://repo1.maven.org/maven2/com/facebook/presto/presto-server/0.237.1/presto-server-0.237.1.tar.gz\n$ tar -zxf presto-server-0.237.1.tar.gz\n$ cd presto-server-0.237.1\n```\n\n创建一个包含基本Presto配置的配置文件: etc/config.properties。\n\n```\ncoordinator=true\nnode-scheduler.include-coordinator=true\nhttp-server.http.port=8080\ndiscovery-server.enabled=true\ndiscovery.uri=http://localhost:8080\n```\n\n创建 etc/jvm.config来完成以下JVM配置。\n\n```\n-server\n-Xmx16G\n-XX:+UseG1GC\n-XX:G1HeapRegionSize=32M\n-XX:+UseGCOverheadLimit\n-XX:+ExplicitGCInvokesConcurrent\n-XX:+HeapDumpOnOutOfMemoryError\n-XX:+ExitOnOutOfMemoryError\n```\n\n创建 etc/node.properties，应包含下面几行内容：\n\n```\nnode.environment=production\nnode.id=ffffffff-ffff-ffff-ffff-ffffffffffff\nnode.data-dir=/tmp/presto/data\n```\n\n最后，在etc/catalog/hive.properties中配置Presto Hive连接器，指向刚刚启动的Hive Metastore服务。此外，这里还需要再次输入AWS凭证，完成后，Presto即可从S3读取输入文件。\n\n```\nconnector.name=hive-hadoop2\nhive.metastore.uri=thrift://localhost:9083\nhive.s3.aws-access-key=<Your AWS Access Key>\nhive.s3.aws-secret-key=<Your AWS Secret Key>\n```\n\n在后台启动Presto服务器：\n\n```\n$ ./bin/launcher start\n```\n\n为了验证Presto服务器是否在运行，从浏览器中访问链接http://localhost:8080 ，并在网页用户界面（UI）上检查服务器状态。\n\n# 第三步：启动Presto CLI（Presto 命令行工具）\n并运行查询命令，从服务器上下载Presto命令行工具，它是一个单独的二进制文件Presto CLI\n\n```\n$ cd /path/to/tutorial/root\n$ wget https://repo1.maven.org/maven2/com/facebook/presto/presto-cli/0.237.1/presto-cli-0.237.1-executable.jar\n$ mv presto-cli-0.237.1-executable.jar presto\n$ chmod +x presto\n```\n\n连接到上一步中已经启动的Presto服务器。\n\n```\n$ ./presto --server localhost:8080 --catalog hive --debug\n```\n\n使用默认模式\n\n```\npresto> use default;\nUSE\n```\n\n基于S3中的文件在默认模式下创建一个新表，这些信息将被发送到Hive MetaStore。\n\n```\npresto:default> CREATE TABLE reason (\n r_reason_sk integer,\n r_reason_id varchar,\n r_reason_desc varchar\n) WITH (\n external_location = 's3a://apc999/presto-tutorial/example-reason',\n format = 'PARQUET'\n);\nCREATE TABLE\n```\n\n扫描创建的新表：\n\n```\npresto:default> SELECT * FROM reason limit 3;\n r_reason_sk | r_reason_id | r_reason_desc \n-------------+------------------+------------------------\n 1 | AAAAAAAABAAAAAAA | Package was damaged \n 2 | AAAAAAAACAAAAAAA | Stopped working \n 3 | AAAAAAAADAAAAAAA | Did not get it on time \n(3 rows)Query 20200703_074406_00011_8vq8w, FINISHED, 1 node\nhttp://localhost:8080/ui/query.html?20200703_074406_00011_8vq8w\nSplits: 18 total, 18 done (100.00%)\nCPU Time: 0.5s total, 6 rows/s, 2.06KB/s, 27% active\nPer Node: 0.1 parallelism, 0 rows/s, 279B/s\nParallelism: 0.1\nPeak User Memory: 0B\nPeak Total Memory: 219B\nPeak Task Total Memory: 219B\n0:04 [3 rows, 1002B] [0 rows/s, 279B/s]\n```\n\n# 第四步：停止服务器\n```\n$ cd /path/to/tutorial/root\n$ presto-server-0.237.1/bin/launcher stop\n$ apache-hive-2.3.7-bin/hcatalog/sbin/hcat_server.sh stop\n```\n\n# 总结：\n在本教程中，我们演示了如何通过搭建Presto和Hive Metastore来对存储在公有S3 bucket中的数据进行SQL查询，希望对你有所帮助。","render":"<blockquote>\n<p>作者：范斌；Alluxio创始成员、开源社区副总裁<br />\n<strong>To 初学者：</strong></p>\n</blockquote>\n<p>本教程将指导初学者在本地服务器上通过搭建Presto和Hive Metastore来查询S3上的数据。<br />\nPresto是用于计划和执行查询的SQL引擎，S3为表分区文件提供存储服务，而Hive Metastore是为Presto访问表模式和位置信息提供catalog服务。<br />\n本教程将展示如何一步一步安装并配置Presto和Hive MetaStore，从而查询存储在公有S3 bucket中的数据。</p>\n<h1><a id=\"Hive_MetaStore_7\"></a>第一步：下载和启动Hive MetaStore</h1>\n<p>本教程中我们下载并使用 [apache-hive-2.3.7-bin.tar.gz]，点击<a href=\"%E4%B8%8B%E8%BD%BD\" target=\"_blank\">下载</a>并解压Hive的二进制压缩包。</p>\n<pre><code class=\"lang-\">$ cd /path/to/tutorial/root\n$ wget https://downloads.apache.org/hive/hive-2.3.7/apache-hive-2.3.7-bin.tar.gz\n$ tar -zxf apache-hive-2.3.7-bin.tar.gz\n$ cd apache-hive-2.3.7-bin\n</code></pre>\n<p>我们只需要启动Hive Metastore来为Presto提供诸如表模式和分区位置等的catalog信息。</p>\n<p>如果你是第一次启动Hive Metastore，请准备好相应的配置文件和环境，同时初始化(initialize)一个新的Metastore。</p>\n<pre><code class=\"lang-\">$ export HIVE_HOME=`pwd`\n$ cp conf/hive-default.xml.template conf/hive-site.xml\n$ mkdir -p hcatalog/var/log/\n$ bin/schematool -dbType derby -initSchema\n</code></pre>\n<p>需要配置Hive来访问S3，可以在conf/hive-env.sh中添加以下几行。同时，Hive需要相应的jar包来访问带有“s3a://”地址的文件，还需要AWS凭证来访问S3 bucket（包括公有S3 bucket）。</p>\n<pre><code class=\"lang-\">export HIVE_AUX_JARS_PATH=${HADOOP_HOME}/share/hadoop/tools/lib/aws-java-sdk-core-1.10.6.jar:${HADOOP_HOME}/share/hadoop/tools/lib/aws-java-sdk-s3-1.10.6.jar:${HADOOP_HOME}/share/hadoop/tools/lib/hadoop-aws-2.8.4.jar\nexport AWS_ACCESS_KEY_ID=&lt;Your AWS Access Key&gt;\nexport AWS_SECRET_ACCESS_KEY=&lt;Your AWS Secret Key&gt;\n</code></pre>\n<p>如果你的Hadoop安装包中没有上述jar包，你也可以从maven central下载：</p>\n<p><a href=\"aws-java-sdk-core-1.10.6.jar\" target=\"_blank\">https://link.zhihu.com/?target=https%3A//repo1.maven.org/maven2/com/amazonaws/aws-java-sdk-core/1.10.6/aws-java-sdk-core-1.10.6.jar</a>、<a href=\"aws-java-sdk-s3-1.10.6.jar\" target=\"_blank\">https://link.zhihu.com/?target=https%3A//repo1.maven.org/maven2/com/amazonaws/aws-java-sdk-s3/1.10.6/aws-java-sdk-s3-1.10.6.jar</a>、<a href=\"hadoop-aws-2.8.4.jar\" target=\"_blank\">https://link.zhihu.com/?target=https%3A//repo1.maven.org/maven2/org/apache/hadoop/hadoop-aws/2.8.4/hadoop-aws-2.8.4.jar</a></p>\n<p>启动Hive Metastore，它将在后台运行并监听端口9083（默认端口）。</p>\n<pre><code class=\"lang-\">$ hcatalog/sbin/hcat_server.sh start\nStarted metastore server init, testing if initialized correctly...\nMetastore initialized successfully on port[9083].\n</code></pre>\n<p>为了验证MetaStore是否在运行，请在 hcatalog/var/log/路径下查看Hive Metastore日志。</p>\n<h1><a id=\"Presto_50\"></a>第二步：下载并启动Presto服务器</h1>\n<p>在本教程中我们以[0.237.1版本]服务器为例，<a href=\"%E7%82%B9%E5%87%BB%E9%93%BE%E6%8E%A5\" target=\"_blank\">点击链接</a>，打开Presto服务器安装页面，下载并解压经过预编译的（pre-build），服务器压缩包。</p>\n<pre><code class=\"lang-\">$ cd /path/to/tutorial/root\n$ wget https://repo1.maven.org/maven2/com/facebook/presto/presto-server/0.237.1/presto-server-0.237.1.tar.gz\n$ tar -zxf presto-server-0.237.1.tar.gz\n$ cd presto-server-0.237.1\n</code></pre>\n<p>创建一个包含基本Presto配置的配置文件: etc/config.properties。</p>\n<pre><code class=\"lang-\">coordinator=true\nnode-scheduler.include-coordinator=true\nhttp-server.http.port=8080\ndiscovery-server.enabled=true\ndiscovery.uri=http://localhost:8080\n</code></pre>\n<p>创建 etc/jvm.config来完成以下JVM配置。</p>\n<pre><code class=\"lang-\">-server\n-Xmx16G\n-XX:+UseG1GC\n-XX:G1HeapRegionSize=32M\n-XX:+UseGCOverheadLimit\n-XX:+ExplicitGCInvokesConcurrent\n-XX:+HeapDumpOnOutOfMemoryError\n-XX:+ExitOnOutOfMemoryError\n</code></pre>\n<p>创建 etc/node.properties，应包含下面几行内容：</p>\n<pre><code class=\"lang-\">node.environment=production\nnode.id=ffffffff-ffff-ffff-ffff-ffffffffffff\nnode.data-dir=/tmp/presto/data\n</code></pre>\n<p>最后，在etc/catalog/hive.properties中配置Presto Hive连接器，指向刚刚启动的Hive Metastore服务。此外，这里还需要再次输入AWS凭证，完成后，Presto即可从S3读取输入文件。</p>\n<pre><code class=\"lang-\">connector.name=hive-hadoop2\nhive.metastore.uri=thrift://localhost:9083\nhive.s3.aws-access-key=&lt;Your AWS Access Key&gt;\nhive.s3.aws-secret-key=&lt;Your AWS Secret Key&gt;\n</code></pre>\n<p>在后台启动Presto服务器：</p>\n<pre><code class=\"lang-\">$ ./bin/launcher start\n</code></pre>\n<p>为了验证Presto服务器是否在运行，从浏览器中访问链接http://localhost:8080 ，并在网页用户界面（UI）上检查服务器状态。</p>\n<h1><a id=\"Presto_CLIPresto__108\"></a>第三步：启动Presto CLI（Presto 命令行工具）</h1>\n<p>并运行查询命令，从服务器上下载Presto命令行工具，它是一个单独的二进制文件Presto CLI</p>\n<pre><code class=\"lang-\">$ cd /path/to/tutorial/root\n$ wget https://repo1.maven.org/maven2/com/facebook/presto/presto-cli/0.237.1/presto-cli-0.237.1-executable.jar\n$ mv presto-cli-0.237.1-executable.jar presto\n$ chmod +x presto\n</code></pre>\n<p>连接到上一步中已经启动的Presto服务器。</p>\n<pre><code class=\"lang-\">$ ./presto --server localhost:8080 --catalog hive --debug\n</code></pre>\n<p>使用默认模式</p>\n<pre><code class=\"lang-\">presto&gt; use default;\nUSE\n</code></pre>\n<p>基于S3中的文件在默认模式下创建一个新表，这些信息将被发送到Hive MetaStore。</p>\n<pre><code class=\"lang-\">presto:default&gt; CREATE TABLE reason (\n r_reason_sk integer,\n r_reason_id varchar,\n r_reason_desc varchar\n) WITH (\n external_location = 's3a://apc999/presto-tutorial/example-reason',\n format = 'PARQUET'\n);\nCREATE TABLE\n</code></pre>\n<p>扫描创建的新表：</p>\n<pre><code class=\"lang-\">presto:default&gt; SELECT * FROM reason limit 3;\n r_reason_sk | r_reason_id | r_reason_desc \n-------------+------------------+------------------------\n 1 | AAAAAAAABAAAAAAA | Package was damaged \n 2 | AAAAAAAACAAAAAAA | Stopped working \n 3 | AAAAAAAADAAAAAAA | Did not get it on time \n(3 rows)Query 20200703_074406_00011_8vq8w, FINISHED, 1 node\nhttp://localhost:8080/ui/query.html?20200703_074406_00011_8vq8w\nSplits: 18 total, 18 done (100.00%)\nCPU Time: 0.5s total, 6 rows/s, 2.06KB/s, 27% active\nPer Node: 0.1 parallelism, 0 rows/s, 279B/s\nParallelism: 0.1\nPeak User Memory: 0B\nPeak Total Memory: 219B\nPeak Task Total Memory: 219B\n0:04 [3 rows, 1002B] [0 rows/s, 279B/s]\n</code></pre>\n<h1><a id=\"_166\"></a>第四步：停止服务器</h1>\n<pre><code class=\"lang-\">$ cd /path/to/tutorial/root\n$ presto-server-0.237.1/bin/launcher stop\n$ apache-hive-2.3.7-bin/hcatalog/sbin/hcat_server.sh stop\n</code></pre>\n<h1><a id=\"_173\"></a>总结：</h1>\n<p>在本教程中，我们演示了如何通过搭建Presto和Hive Metastore来对存储在公有S3 bucket中的数据进行SQL查询，希望对你有所帮助。</p>\n"}