Hive与JDBC示例

在使用 JDBC 开发 Hive 程序时, 必须首先开启 Hive 的远程服务接口。在hive安装目录下的bin，使用下面命令进行开启:

　　　　hive -service hiveserver &  //Hive低版本提供的服务是：Hiveserver

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

　　我这里使用的Hive1.0版本，故我们使用Hiveserver2服务，下面我使用 Java 代码通过JDBC连接Hiveserver。

　　18.1  测试数据

本地目录/home/hadoop/下的djt.txt文件内容(每行数据之间用tab键隔开)如下所示:

　　1        dajiangtai

　　2        hadoop

　　3        Hive

　　4        hbase

　　5        spark

  　　18.2  程序代码

　　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驱动名称

        　　 private static String url = "jdbc:Hive2://djt11:10000/default";//连接Hive2服务的连接地址，Hive0.11.0以上版本提供了一个全新的服务：HiveServer2

        　　 private static String user = "hadoop";//对HDFS有操作权限的用户

        　　 private static String password = "";//在非安全模式下，指定一个用户运行查询，忽略密码

         　　private static String sql = "";

        　　 private static ResultSet res;

         　　public static void main(String[] args) {

           　　  try {

                　　 Class.forName(driverName);//加载HiveServer2驱动程序

                　　 Connection conn = DriverManager.getConnection(url, user, password);//根据URL连接指定的数据库

                　　 Statement stmt = conn.createStatement();

                　　 //创建的表名

              　　   String tableName = "testHiveDriverTable";

                　　 /** 第一步:表存在就先删除 **/

                　　 sql = "drop table " + tableName;

                　　 stmt.execute(sql);

                　　 /** 第二步:表不存在就创建 **/

                　　 sql = "create table " + tableName + " (key int, value string)  row format delimited fields terminated by ‘\t‘ STORED AS TEXTFILE";

                　　 stmt.execute(sql);

                 　　// 执行“show tables”操作

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

                　　 res = stmt.executeQuery(sql);

                　　 if (res.next()) {

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

                 　　}

               　　  // 执行“describe table”操作

                　　 sql = "describe " + tableName;

                　　 res = stmt.executeQuery(sql);

                 　　while (res.next()) {  

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

                　　 }

                　　 // 执行“load data into table”操作

                　　 String filepath = "/home/hadoop/djt.txt";//Hive服务所在节点的本地文件路径

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

                　　 stmt.execute(sql);

                 　　// 执行“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));

                　　 }

                　　 // 执行“regular Hive query”操作，此查询会转换为MapReduce程序来处理

                　　 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  运行结果(右击-->Run as-->Run on Hadoop)

　　 执行“show tables”运行结果:

　　　　　　　　testHivedrivertable

　　　　 执行“describe table”运行结果:

　　　　　　key    int

　　　　　　value    string

　　   执行“select * query”运行结果:

　　　　　　1        dajiangtai

　　　　　　2        hadoop

　　　　　　3        Hive

　　　　　　4        hbase

　　　　　　5        spark

　　　　  执行“regular Hive query”运行结果:

　　　　　　5

hive jdbc使用

Hive项目开发环境搭建（Eclipse\MyEclipse + Maven）