Partilhar via


Query Apache Hive through the JDBC driver in HDInsight (Consultar o Apache Hive através do controlador JDBC no HDInsight)

Saiba como usar o driver JDBC de um aplicativo Java. Para enviar consultas do Apache Hive para o Apache Hadoop no Azure HDInsight. As informações neste documento demonstram como se conectar programaticamente e a partir do SQuirreL SQL cliente.

Para obter mais informações sobre a interface JDBC do Hive, consulte HiveJDBCInterface.

Pré-requisitos

Cadeia de ligação JDBC

As conexões JDBC com um cluster HDInsight no Azure são feitas pela porta 443. O tráfego é protegido usando TLS/SSL. O gateway público que os clusters ficam atrás redireciona o tráfego para a porta na qual o HiveServer2 está realmente escutando. A cadeia de conexão a seguir mostra o formato a ser usado para o HDInsight:

    jdbc:hive2://CLUSTERNAME.azurehdinsight.net:443/default;transportMode=http;ssl=true;httpPath=/hive2

Substitua CLUSTERNAME pelo nome do seu cluster do HDInsight.

Nome do host na cadeia de conexão

O nome do host 'CLUSTERNAME.azurehdinsight.net' na cadeia de conexão é o mesmo que a URL do cluster. Você pode obtê-lo através do portal do Azure.

Porta na cadeia de conexão

Você só pode usar a porta 443 para se conectar ao cluster de alguns locais fora da rede virtual do Azure. O HDInsight é um serviço gerenciado, o que significa que todas as conexões com o cluster são gerenciadas por meio de um Gateway seguro. Você não pode se conectar ao HiveServer 2 diretamente nas portas 10001 ou 10000. Estas portas não estão expostas ao exterior.

Autenticação

Ao estabelecer a conexão, use o nome de administrador e a senha do cluster HDInsight para autenticar. Em clientes JDBC, como o SQuirreL SQL, insira o nome do administrador e a senha nas configurações do cliente.

A partir de uma aplicação Java, você deve usar o nome e a senha ao estabelecer uma conexão. Por exemplo, o seguinte código Java abre uma nova conexão:

DriverManager.getConnection(connectionString,clusterAdmin,clusterPassword);

Conecte-se com o cliente SQL SQuirreL

O SQuirreL SQL é um cliente JDBC que pode ser usado para executar remotamente consultas do Hive com seu cluster HDInsight. As etapas a seguir pressupõem que você já tenha instalado o SQuirreL SQL.

  1. Crie um diretório para conter determinados arquivos a serem copiados do cluster.

  2. No script a seguir, substitua sshuser pelo nome da conta de usuário SSH para o cluster. Substitua CLUSTERNAME pelo nome do cluster HDInsight. Em uma linha de comando, altere seu diretório de trabalho para o criado na etapa anterior e digite o seguinte comando para copiar arquivos de um cluster HDInsight:

    scp sshuser@CLUSTERNAME-ssh.azurehdinsight.net:/usr/hdp/current/hadoop-client/{hadoop-auth.jar,hadoop-common.jar,lib/log4j-*.jar,lib/slf4j-*.jar,lib/curator-*.jar} . -> scp sshuser@CLUSTERNAME-ssh.azurehdinsight.net:/usr/hdp/current/hadoop-client/{hadoop-auth.jar,hadoop-common.jar,lib/reload4j-*.jar,lib/slf4j-*.jar,lib/curator-*.jar} .
    
    scp sshuser@CLUSTERNAME-ssh.azurehdinsight.net:/usr/hdp/current/hive-client/lib/{commons-codec*.jar,commons-logging-*.jar,hive-*-*.jar,httpclient-*.jar,httpcore-*.jar,libfb*.jar,libthrift-*.jar} .
    
  3. Inicie o aplicativo SQL SQuirreL. À esquerda da janela, selecione Drivers.

    Drivers tab on the left of the window.

  4. Nos ícones na parte superior da caixa de diálogo Drivers , selecione o + ícone para criar um driver.

    SQuirreL SQL application drivers icon.

  5. Na caixa de diálogo Driver adicionado, adicione as seguintes informações:

    Property valor
    Nome Ramo de registo
    URL de exemplo jdbc:hive2://localhost:443/default;transportMode=http;ssl=true;httpPath=/hive2
    Caminho de classe extra Use o botão Adicionar para adicionar todos os arquivos jar baixados anteriormente.
    Nome da classe org.apache.hive.jdbc.HiveDriver

    add driver dialog with parameters.

    Selecione OK para salvar essas configurações.

  6. À esquerda da janela SQL do SQuirreL, selecione Aliases. Em seguida, selecione o + ícone para criar um alias de conexão.

    `SQuirreL SQL add new alias dialog`.

  7. Use os seguintes valores para a caixa de diálogo Adicionar alias :

    Property valor
    Nome Hive no HDInsight
    Controlador Use a lista suspensa para selecionar o driver Hive.
    URL jdbc:hive2://CLUSTERNAME.azurehdinsight.net:443/default;transportMode=http;ssl=true;httpPath=/hive2. Substitua CLUSTERNAME pelo nome do cluster do HDInsight.
    Nome de Utilizador O nome da conta de login do cluster para o cluster HDInsight. O padrão é admin.
    Palavra-passe A senha para a conta de login do cluster.

    add alias dialog with parameters.

    Importante

    Use o botão Testar para verificar se a conexão funciona. Quando a caixa de diálogo Conectar a: Hive no HDInsight for exibida, selecione Conectar para executar o teste. Se o teste for bem-sucedido, você verá uma caixa de diálogo Conexão bem-sucedida . Se ocorrer um erro, consulte Resolução de problemas.

    Para salvar o alias de conexão, use o botão Ok na parte inferior da caixa de diálogo Adicionar alias .

  8. Na lista suspensa Conectar a , na parte superior do SQuirreL SQL, selecione Hive no HDInsight. Quando solicitado, selecione Conectar.

    connection dialog with parameters.

  9. Uma vez conectado, insira a seguinte consulta na caixa de diálogo de consulta SQL e selecione o ícone Executar (uma pessoa em execução). A área de resultados deve mostrar os resultados da consulta.

    select * from hivesampletable limit 10;
    

    sql query dialog, including results.

Conectar-se a partir de um exemplo de aplicação Java

Um exemplo de uso de um cliente Java para consultar o Hive no HDInsight está disponível em https://github.com/Azure-Samples/hdinsight-java-hive-jdbc. Siga as instruções no repositório para criar e executar o exemplo.

Resolução de Problemas

Ocorreu um erro inesperado ao tentar abrir uma ligação SQL

Sintomas: ao conectar-se a um cluster HDInsight versão 3.3 ou superior, você pode receber um erro informando que ocorreu um erro inesperado. O rastreamento de pilha para esse erro começa com as seguintes linhas:

java.util.concurrent.ExecutionException: java.lang.RuntimeException: java.lang.NoSuchMethodError: org.apache.commons.codec.binary.Base64.<init>(I)V
at java.util.concurrent.FutureTas...(FutureTask.java:122)
at java.util.concurrent.FutureTask.get(FutureTask.java:206)

Causa: Este erro é causado por uma versão mais antiga commons-codec.jar ficheiro incluído no SQuirreL.

Resolução: para corrigir esse erro, use as seguintes etapas:

  1. Saia do SQuirreL e, em seguida, vá para o diretório onde o SQuirreL está instalado no seu sistema, talvez C:\Program Files\squirrel-sql-4.0.0\lib. No diretório SquirreL, no diretório, substitua lib o commons-codec.jar existente pelo baixado do cluster HDInsight.

  2. Reinicie o SQuirreL. O erro não deve mais ocorrer ao se conectar ao Hive no HDInsight.

Ligação desligada pelo HDInsight

Sintomas: o HDInsight desconecta inesperadamente a conexão ao tentar baixar uma enorme quantidade de dados (digamos, vários GBs) por meio de JDBC/ODBC.

Causa: A limitação nos nós do Gateway causa esse erro. Ao obter dados do JDBC/ODBC, todos os dados precisam passar pelo nó Gateway. No entanto, um gateway não foi projetado para baixar uma grande quantidade de dados, portanto, o Gateway pode fechar a conexão se não puder lidar com o tráfego.

Resolução: evite usar o driver JDBC/ODBC para baixar grandes quantidades de dados. Em vez disso, copie dados diretamente do armazenamento de blobs.

Próximos passos

Agora que você aprendeu como usar o JDBC para trabalhar com o Hive, use os links a seguir para explorar outras maneiras de trabalhar com o Azure HDInsight.