AI 助理
备案控制台
文档
输入文档关键字查找
首页 智能数据建设与治理 Dataphin 智能数据建设与治理Dataphin-独享模式（半托管版） 操作指南 管理中心 数据源管理 创建大数据存储型数据源 创建Hive数据源

创建Hive数据源

更新时间：
产品详情
我的收藏

通过创建Hive数据源能够实现Dataphin读取Hive的业务数据或向Hive写入数据。本文为您介绍如何创建Hive数据源。

背景信息

Hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供SQL查询功能。Hive用于转化HQL或SQL语句为MapReduce、Tez等程序。如果您使用的是Hive，在对接Dataphin进行数据开发或将Dataphin的数据写入至Hive的场景中，您需要先完成Hive数据源的创建。

使用限制

  • 在E-MapReduce5.x Hadoop计算引擎下，若您需要使用基于OSS创建的Hive外部表进行离线集成。您需要进行相关配置后才可以正常使用。配置说明，请参见使用基于OSS创建的Hive外部表进行离线集成。

  • 使用Hive数据源作为集成的输入输出组件时，请确认Dataphin的IP地址已在Hive的网络白名单中，以确保Dataphin能够访问Hive中的数据。

  • 请确保Dataphin的应用集群与调度集群与Hive服务、HDFS的NameNode（包括webUI、IPC）和DataNode、KDC Server、元数据库或Hive Meta Store、Zookeeper的连通性。

权限说明

仅支持具备新建数据源权限点的自定义全局角色和超级管理员、数据源管理员、板块架构师、项目管理员角色创建数据源。

操作步骤

  1. 在Dataphin首页顶部菜单栏中，选择管理中心 > 数据源管理。

  2. 在数据源页面，单击+新建数据源。

  3. 在新建数据源对话框的大数据存储区域，选择Hive。

    如果您最近使用过Hive，也可以在最近使用区域选择Hive。同时，您也可以在搜索框中，输入Hive的关键词，快速筛选。

  4. 在新建Hive数据源对话框中，配置数据源连接参数。

    Hive数据源配置参数中，集成配置是为了支持数据集成，实时研发配置是为了支持实时研发的场景，而元数据库配置是基础的配置，用来获取元数据。

    说明

    通常情况下，生产数据源和开发数据源需配置为非同一个数据源，以实现开发数据源与生产数据源的环境隔离，降低开发数据源对生产数据源的影响。但Dataphin也支持配置成同一个数据源，即相同参数值。

    • Hive数据源基本信息配置

      参数

      描述

      数据源名称

      填写数据源名称。命名规则如下：

      • 只能包含中文、英文字母大小写、数字、下划线（_）或短划线（-）。

      • 长度不能超过64个字符。

      数据源编码

      配置数据源编码后，您可以在Flink_SQL任务中通过数据源编码.表名称或数据源编码.schema.表名称的格式引用数据源中的表；如果需要根据所处环境自动访问对应环境的数据源，请通过${数据源编码}.table或${数据源编码}.schema.table的变量格式访问。更多信息，请参见Dataphin数据源表开发方式。

      重要

      数据源编码配置成功后不支持修改。

      版本

      选择Hive数据源的版本。Dataphin支持以下版本：

      • CDH5.x Hive 1.1.0

      • EMR3.x Hive 2.3.5

      • EMR5.x 3.1.x

      • CDH6.x Hive 2.1.1

      • FusionInsight 8.x Hive 3.1.0

      • CDP7.x Hive 3.1.3

      • 亚信DP5.x Hive 3.1.0。

      数据源描述

      对数据源的简单描述，128个字符以内。

      开启模块

      • 集成：开启后，Hive数据源可用于数据集成。

      • 实时研发：开启后，Hive数据源可用于实时研发。

        说明

        仅CDH6.x Hive 2.1.1、CDP7.x Hive 3.1.3、亚信DP5.x Hive 3.1.0版本支持开启实时研发。

      数据湖表格式

      选择开启或关闭数据湖表格式，默认为关闭。开启后可选择表格式，目前仅支持Hudi。

      说明

      仅当版本选择为CDP7.x Hive3.1.3时，支持配置此项。

      数据源配置

      选择数据源的配置环境：

      • 如果业务数据源区分生产数据源和开发数据源，则选择生产+开发数据源。

      • 如果业务数据源不区分生产数据源和开发数据源，则选择生产数据源。

      标签

      您可根据标签给数据源进行分类打标，如何创建标签，请参见数据源管理标签。

    • Hive配置

      说明

      若您的数据源配置选择生产+开发数据源，则需配置生产+开发数据源的连接信息。如果您的数据源配置为生产数据源，仅需配置生产数据源的连接信息。

      元数据获取方式：支持元数据库、HMS、DLF三种源数据获取方式。获取方式不同，所需配置信息不同。

      • 元数据库获取方式

        说明

        开启模块仅勾选实时研发时，元数据获取方式仅支持元数据库。

        参数

        说明

        数据库类型

        请根据集群中使用的元数据库类型，选择对应的数据库类型。Dataphin支持选择MySQL。MySQL数据库类型支持MySQL 5.1.43、MySQL 5.6/5.7和MySQL 8版本。

        JDBC URL

        填写目标数据库的JDBC连接地址。连接地址格式为jdbc:mysql://host:port/dbname。

        用户名、密码

        填写登录Hive的用户名和密码。

        Hive JDBC URL

        填写Hive的JDBC连接地址。支持配置以下三种类型的连接地址：

        • Hive Server：连接地址格式为jdbc:hive://host:port/dbname。

        • ZooKeeper：例如jdbc:hive2://zk01:2181,zk02:2181,zk03:2181/;serviceDiscoveryMode=zooKeeper;zooKeeperNamespace=hiveserver2。

        • Hive已开启Kerberos：连接地址格式为jdbc:hive2://host:port/dbname;principal=hive/_HOST@xx.com。

      • HMS获取方式

        参数

        说明

        认证方式

        HMS获取方式支持无认证、LDAP、Kerberos三种认证方式。Kerberos认证方式需上传Keytab File文件及配置Principal。

        hive-site.xml

        上传Hive的hive-site.xml配置文件。

        说明

        若开启实时研发，则实时研发中也将复用该配置文件。

        Hive JDBC URL

        填写Hive的JDBC连接地址。支持配置以下三种类型的连接地址：

        • Hive Server：连接地址格式为jdbc:hive://host:port/dbname。

        • ZooKeeper：例如jdbc:hive2://zk01:2181,zk02:2181,zk03:2181/;serviceDiscoveryMode=zooKeeper;zooKeeperNamespace=hiveserver2。

        • Hive已开启Kerberos：连接地址格式为jdbc:hive2://host:port/dbname;principal=hive/_HOST@xx.com。

      • DLF获取方式

        重要

        DLF获取方式仅支持E-MapReduce5.x Hadoop5.x Hive 3.1.x版本。

        参数

        说明

        Endpoint

        填写集群在DLF数据中心所在地域的Endpoint。如何获取，请参见DLF Region和Endpoint对照表。

        AccessKey ID、AccessKey Secret

        填写集群所在账号的AccessKey ID和AccessKey Secret。

        您可在用户信息管理页面，获取账号的AccessKey ID和AccessKey Secret。

        image

        hive-site.xml

        上传Hive的hive-site.xml配置文件。

        说明

        若开启实时研发，则实时研发中也将复用该配置文件。

        Hive JDBC URL

        填写Hive的JDBC连接地址。支持配置以下三种类型的连接地址：

        • Hive Server：连接地址格式为jdbc:hive://host:port/dbname。

        • ZooKeeper：例如jdbc:hive2://zk01:2181,zk02:2181,zk03:2181/;serviceDiscoveryMode=zooKeeper;zooKeeperNamespace=hiveserver2。

        • Hive已开启Kerberos：连接地址格式为jdbc:hive2://host:port/dbname;principal=hive/_HOST@xx.com。

    • 数据湖配置-Hudi配置

      说明

      仅当开启数据湖表格式，且表格式选择为Hudi时，支持数据湖配置-Hudi配置。

      存储路径：输入HDFS的存储路径。

    • 集成配置

      支持HDFS、OSS-HDFS集群存储两种方式。存储方式不同，所需配置信息不同。OSS-HDFS存储方式仅支持E-MapReduce5.x Hadoop集群。

      • HDFS集群存储

        参数

        描述

        NameNode

        NameNode是HDFS集群中元数据的管理者，单击新增，在新增NameNode对话框，配置NameNode节点信息。

        • Web UI Port：访问Hadoop集群中各个组件的Web界面的端口。

        • IPC Port：进程间通信（IPC）的端口。

        Web UI Port和IPC Port在CDH5环境下默认是50070和8020，您可根据实际情况填写对应的端口。

        说明

        Web UI Port和IPC Port其中一个填写正确时，可以正常完成测试连接。

        配置文件

        上传Hadoop的配置文件hdfs-site.xml和core-site.xml，配置文件可在Hadoop集群导出。

        开启Kerberos

        Kerberos是一种基于对称密钥技术的身份认证协议，可以为其他服务提供身份认证功能，且支持SSO（即客户端身份认证后，可以访问多个服务，例如HBase和HDFS）。

        如果Hadoop集群有Kerberos认证，则需要完成以下配置。

        • Kerberos配置方式

          • KDC Server：KDC服务器地址，辅助完成Kerberos认证。

            说明

            支持配置多个KDC Server服务地址，使用英文逗号（,）分割。

          • Krb5文件配置：需要上传Krb5文件进行Kerberos认证。

        • HDFS配置

          • HDFS Keytab File：上传keytab认证文件，您可以在HDFS Server上获取keytab文件。

          • HDFS Principal：填写HDFS Keytab File文件对应的Principal名，例如xxx/hdfsclient@xxx.xxx。

        • Hive配置

          • JDBC URL：填写Hive的JDBC连接地址。支持配置以下三种连接地址：

            • Hive Server的连接地址，格式为jdbc:hive://host:port/dbname。

            • ZooKeeper的连接地址。例如jdbc:hive2://zk01:2181,zk02:2181,zk03:2181/;serviceDiscoveryMode=zooKeeper;zooKeeperNamespace=hiveserver2。

            • 开启Kerberos的连接地址，格式为jdbc:hive2://host:port/dbname;principal=hive/_HOST@xx.com。

          • Hive Keytab File：上传keytab认证文件，您可以在Hive Server上获取keytab文件。

          • Hive Principal：填写Hive Keytab File文件对应的Principal名，例如xxx/hdfsclient@xxx.xxx。

        关闭Kerberos

        如果Hadoop集群无Kerberos认证，则需要完成以下配置。

        • JDBC URL：填写Hive的JDBC连接地址。支持配置以下三种连接地址：

          • Hive Server的连接地址，格式为jdbc:hive://hodt:port/dbname。

          • ZooKeeper的连接地址。例如jdbc:hive2://zk01:2181,zk02:2181,zk03:2181/;serviceDiscoveryMode=zooKeeper;zooKeeperNamespace=hiveserver2。

          • 开启Kerberos的连接地址，格式为jdbc:hive2://host:port/dbname;principal=hive/_HOST@xx.com。

        • 用户名、密码：填写登录Hive用户名和密码。

          说明

          为保证任务正常运行，需确保所填写的用户有访问Hive数据的权限。

      • OSS-HDFS集群存储

        参数

        描述

        集群存储

        可以通过以下方式查看集群存储类型。

        • 未创建集群：可以通过E-MapReduce5.x Hadoop集群创建页面查看所创建的集群存储类型。如下图所示：

          image.png

        • 已创建集群：可以通过E-MapReduce5.x Hadoop集群的详情页查看所创建的集群存储类型。如下图所示：

          image.png

        集群存储根目录

        填写集群存储根目录。可以通过查看E-MapReduce5.x Hadoop集群信息获取进行。如下图所示：

        image.png

        重要

        若填写的路径中包括Endpoint，则Dataphin默认使用该Endpoint；若不包含，则使用core-site.xml中配置的Bucket级别的Endpoint；若未配置Bucket级别的Endpoint，则使用core-site.xml中的全局Endpoint。更多信息。请参见阿里云OSS-HDFS服务（JindoFS 服务）Endpoint配置。

        配置文件

        上传集群的core-site.xml和hivemetastore-site.xml配置文件，配置文件可在Hadoop集群导出。

        AccessKey ID、AccessKey Secret

        填写访问集群OSS的AccessKey ID和AccessKey Secret。查看AccessKey，请参见查看AccessKey。

        重要

        此处填写的配置优先级高于core-site.xml中配置的AccessKey。

        开启Kerberos

        Kerberos是一种基于对称密钥技术的身份认证协议，可以为其他服务提供身份认证功能，且支持SSO（即客户端身份认证后，可以访问多个服务，例如HBase和HDFS）。

        如果Hadoop集群有Kerberos认证，则需要完成以下配置。

        • Kerberos配置方式

          • Krb5文件配置：需要上传Krb5文件进行Kerberos认证。

        • Hive配置

          • JDBC URL：填写Hive的JDBC连接地址。支持配置以下三种连接地址：

            • Hive Server的连接地址，格式为jdbc:hive://host:port/dbname。

            • ZooKeeper的连接地址。例如jdbc:hive2://zk01:2181,zk02:2181,zk03:2181/;serviceDiscoveryMode=zooKeeper;zooKeeperNamespace=hiveserver2。

            • 开启Kerberos的连接地址，格式为jdbc:hive2://host:port/dbname;principal=hive/_HOST@xx.com。

          • Hive Keytab File：上传keytab认证文件，您可以在Hive Server上获取keytab文件。

          • Hive Principal：填写Hive Keytab File文件对应的Principal名，例如xxx/hdfsclient@xxx.xxx。

        关闭Kerberos

        如果Hadoop集群无Kerberos认证，则需要完成以下配置。

        • JDBC URL：填写Hive的JDBC连接地址。支持配置以下三种连接地址：

          • Hive Server的连接地址，格式为jdbc:hive://hodt:port/dbname。

          • ZooKeeper的连接地址。例如jdbc:hive2://zk01:2181,zk02:2181,zk03:2181/;serviceDiscoveryMode=zooKeeper;zooKeeperNamespace=hiveserver2。

          • 开启Kerberos的连接地址，格式为jdbc:hive2://host:port/dbname;principal=hive/_HOST@xx.com。

        • 用户名、密码：填写登录Hive用户名和密码。

          说明

          为保证任务正常运行，需确保所填写的用户有访问Hive数据的权限。

    • 实时研发配置

      数据源配置选择生产+开发数据源，开启模块选择实时研发，则实时研发的配置页面如下图所示。数据源配置中选择生产数据源，则仅展示生产数据源的实时研发配置。

      image

      按照页面提示，上传hive-site.xml文件。

  5. 单击测试连接，测试数据源是否可以和Dataphin进行正常的连通。

  6. 测试成功后，单击确定。

上一篇：创建MaxCompute数据源下一篇：创建TDH Inceptor数据源
文档推荐