Apache CarbonData 2.0 开发实用系列之二：与Hive集成使用

【准备CarbonData】

参考：Apache CarbonData 2.0 开发实用系列之一：与Spark SQL集成使用

【准备Hadoop】

  1. 下载Hadoop 2.7.7

  下载地址：https://mirrors.tuna.tsinghua.edu.cn/apache/hadoop/common/hadoop-2.7.7/

  2. 解压

tar -xvzf hadoop-2.7.7.tar.gz
cd hadoop-2.7.7
export HADOOP_HOME=$(pwd)

  3. 启动dfs

  参考以下链接配置启动dfs:

   https://hadoop.apache.org/docs/r2.7.7/hadoop-project-dist/hadoop-common/SingleCluster.html

脚本摘要如下：
a) 修改etc/hadoop/hadoop-env.sh，定义如下参数：
export JAVA_HOME=<java目录>
b) 修改etc/hadoop/core-site.xml
<configuration>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://localhost:9000</value>
    </property>
</configuration>
c) 修改etc/hadoop/hdfs-site.xml
<configuration>
    <property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>
</configuration>
d) ssh免密
ssh localhost
如果需要输入密码，请执行以下命令
ssh-keygen -t rsa -P '' -f ~/.ssh/id_rsa
cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
chmod 0600 ~/.ssh/authorized_keys
e) 格式化filesystem
bin/hdfs namenode -format
f) 启动dfs
sbin/start-dfs.sh

【准备Hive】

  1. 下载Hive 3.1.2

下载地址：https://mirrors.tuna.tsinghua.edu.cn/apache/hive/hive-3.1.2/

  2. 解压

tar -xvzf apache-hive-3.1.2-bin.tar.gz
cd apache-hive-3.1.2-bin

  3. 部署CarbonData jar包

cp <carbondata jar包> lib/

  4. 启动Hive

请参考以下链接配置启动Hive

https://cwiki.apache.org/confluence/display/Hive/GettingStarted#GettingStarted-RunningHive

脚本摘要如下：

export HADOOP_HOME=<hadoop目录>
$HADOOP_HOME/bin/hadoop fs -mkdir       /tmp
$HADOOP_HOME/bin/hadoop fs -mkdir -p    /user/hive/warehouse
$HADOOP_HOME/bin/hadoop fs -chmod g+w   /tmp
$HADOOP_HOME/bin/hadoop fs -chmod g+w   /user/hive/warehouse
export HIVE_HOME=$(pwd)
$HIVE_HOME/bin/schematool -dbType derby -initSchema
$HIVE_HOME/bin/beeline -u jdbc:hive2://

【使用CarbonData】

  1. 创建lineItem text表

CREATE TABLE IF NOT EXISTS lineitem_text(
  l_orderkey INT,
  l_partkey INT ,
  l_suppkey STRING,
  l_linenumber INT,
  l_quantity DOUBLE,
  l_extendedprice DOUBLE,
  l_discount DOUBLE,
  l_tax DOUBLE,
  l_returnflag STRING,
  l_linestatus STRING,
  l_shipdate DATE,
  l_commitdate DATE,
  l_receiptdate DATE,
  l_shipinstruct STRING,
  l_shipmode STRING,
  l_comment STRING) 
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '|'
STORED AS TEXTFILE;

  2. 加载TPC-H dbgen生成的lineitem.tbl文件(或者使用附件中的lineitem.txt文件，包含1000条样例数据)

LOAD DATA LOCAL INPATH 'lineitem.tbl/txt路径'INTO TABLE lineitem_text;

  3. 创建lineitem carbondata表

CREATE TABLE IF NOT EXISTS lineitem(
  l_orderkey INT,
  l_partkey INT ,
  l_suppkey STRING,
  l_linenumber INT,
  l_quantity DOUBLE,
  l_extendedprice DOUBLE,
  l_discount DOUBLE,
  l_tax DOUBLE,
  l_returnflag STRING,
  l_linestatus STRING,
  l_shipdate DATE,
  l_commitdate DATE,
  l_receiptdate DATE,
  l_shipinstruct STRING,
  l_shipmode STRING,
  l_comment STRING)
  STORED BY 'org.apache.carbondata.hive.CarbonStorageHandler';

  4. 入库数据

INSERT INTO lineitem SELECT * FROM lineitem_text;

  5. 查询

  执行TPC-H query 1:

SELECT 
  l_returnflag,
  l_linestatus,
  sum(l_quantity) AS sum_qty,
  sum(l_extendedprice) AS sum_base_price,
  sum(l_extendedprice*(1-l_discount)) AS sum_disc_price,
  sum(l_extendedprice*(1-l_discount)*(1+l_tax)) AS sum_charge,
  avg(l_quantity) AS avg_qty,
  avg(l_extendedprice) AS avg_price,
  avg(l_discount) AS avg_disc,
  count(*) AS count_order
FROM lineitem
WHERE l_shipdate <= date('1993-09-02')
GROUP BY l_returnflag, l_linestatus
ORDER BY l_returnflag, l_linestatus;