Hive與JDBC示例

        在使用 JDBC 開發 Hive 程式時, 必須首先開啟 Hive 的遠端服務介面。在hive安裝目錄下的bin，使用下面命令進行開啟:

　　　　hive -service hiveserver &  //Hive低版本提供的服務是：Hiveserver

　　　　hive --service hiveserver2 &       //Hive0.11.0以上版本提供了的服務是：Hiveserver2

　　我這裡使用的Hive1.0版本，故我們使用Hiveserver2服務，下面我使用 Java 程式碼通過JDBC連線Hiveserver。

　　18.1  測試資料

        本地目錄/home/hadoop/下的djt.txt檔案內容(每行資料之間用tab鍵隔開)如下所示:

　　1        dajiangtai

　　2        hadoop

　　3        Hive

　　4        hbase

　　5        spark

  　　18.2  程式程式碼

　　import java.sql.Connection;

　　import java.sql.DriverManager;

　　import java.sql.ResultSet;

　　import java.sql.SQLException;

　　import java.sql.Statement;

　　public class HiveJdbcTest1 {

        　　 private static String driverName = "org.apache.Hive.jdbc.HiveDriver";//Hive驅動名稱

        　　 private static String url = "jdbc:Hive2://djt11:10000/default";//連線Hive2服務的連線地址，Hive0.11.0以上版本提供了一個全新的服務：HiveServer2

        　　 private static String user = "hadoop";//對HDFS有操作許可權的使用者

        　　 private static String password = "";//在非安全模式下，指定一個使用者執行查詢，忽略密碼

         　　private static String sql = "";

        　　 private static ResultSet res;

         　　public static void main(String[] args) {

           　　  try {

                　　 Class.forName(driverName);//載入HiveServer2驅動程式

                　　 Connection conn = DriverManager.getConnection(url, user, password);//根據URL連線指定的資料庫

                　　 Statement stmt = conn.createStatement();

                　　 //建立的表名

              　　   String tableName = "testHiveDriverTable";

                　　 /** 第一步:表存在就先刪除 **/

                　　 sql = "drop table " + tableName;

                　　 stmt.execute(sql);

                　　 /** 第二步:表不存在就建立 **/

                　　 sql = "create table " + tableName + " (key int, value string)  row format delimited fields terminated by '\t' STORED AS TEXTFILE";

                　　 stmt.execute(sql);

                 　　// 執行“show tables”操作

                 　　sql = "show tables '" + tableName + "'";

                　　 res = stmt.executeQuery(sql);

                　　 if (res.next()) {

                    　　 System.out.println(res.getString(1));

                 　　}

               　　  // 執行“describe table”操作

                　　 sql = "describe " + tableName;

                　　 res = stmt.executeQuery(sql);

                 　　while (res.next()) {  

                   　　  System.out.println(res.getString(1) + "\t" + res.getString(2));

                　　 }

                　　 // 執行“load data into table”操作

                　　 String filepath = "/home/hadoop/djt.txt";//Hive服務所在節點的本地檔案路徑

                　　 sql = "load data local inpath '" + filepath + "' into table " + tableName;

                　　 stmt.execute(sql);

                 　　// 執行“select * query”操作

                　　 sql = "select * from " + tableName;

                　　 res = stmt.executeQuery(sql);

                　　 while (res.next()) {

                   　　  System.out.println(res.getInt(1) + "\t" + res.getString(2));

                　　 }

                　　 // 執行“regular Hive query”操作，此查詢會轉換為MapReduce程式來處理

                　　 sql = "select count(*) from " + tableName;

                　　 res = stmt.executeQuery(sql);

                　　 while (res.next()) {

                 　　    System.out.println(res.getString(1));

               　　  }        

               　　  conn.close();

                　　 conn = null;

            　　 } catch (ClassNotFoundException e) {

               　　  e.printStackTrace();

                 　　System.exit(1);

            　　 } catch (SQLException e) {

                　　 e.printStackTrace();

                　　 System.exit(1);

           　　  }

         　　}

　　}

   　　18.3  執行結果(右擊-->Run as-->Run on Hadoop)

       　　 執行“show tables”執行結果:

　　　　　　　　testHivedrivertable

  　　　　 執行“describe table”執行結果:

　　　　　　key    int

　　　　　　value    string

   　　   執行“select * query”執行結果:

　　　　　　1        dajiangtai

　　　　　　2        hadoop

　　　　　　3        Hive

　　　　　　4        hbase

　　　　　　5        spark

 　　　　  執行“regular Hive query”執行結果:

　　　　　　5