数仓工具—Hive的HiveServer2服务(14)

2024-02-22 09:35:46

HiveServer 简介

今天我们学习一下Hive 架构中的重要一员HiveServer2或者是HiveServer1，HiveServer2使得其他语言访问Hive 成为了可能，其他语言通过连接HiveServer2服务提供的接口进而访问Hive,HiveServer2还引入了一个客户端，那就是大名鼎鼎的BeeLine,BeeLine 是一个通过JDBC 访问Hive的shell 接口

其实我们在前面讲Hive的架构设计的时候提到过，Hive 提供的另外一个shell 客户端，也就是我们常用的hive 命令的客户端它的设计是直接启动了一个org.apache.hadoop.hive.cli.CliDriver的进程，这个进程其实主要包含了两块内容一个是提供给我们交互的cli ，另外一个就是我们的Driver 驱动引擎，这样的设计导致如果我们有多个客户端的情况下，我们就需要有多个Driver，但是我们通过HiveServer2连接的时候我们就可以共享Driver,一方面可以简化客户端的设计降低资源损耗，另外一方面还能降低对MetaStore 的压力，减少连接的个数。

1. HiveServer1

HiveServer是一种可选服务，允许远程客户端可以使用各种编程语言向Hive提交请求并检索结果。HiveServer是建立在Apache ThriftTM之上的，因此有时会被称为Thrift Server，这可能会导致混乱，因为新服务HiveServer2也是建立在Thrift之上的．自从引入HiveServer2后，HiveServer也被称为HiveServer1。

HiveServer1无法处理来自多个客户端的并发请求，这实际上是HiveServer导出的Thrift接口所施加的限制，也不能通过修改HiveServer源代码来解决。HiveServer2对HiveServer1进行了重写，来解决这些问题，从Hive 0.11.0版本开始,建议使用HiveServer2。

2. HiveServer2

2.1 引入

HiveServer2(HS2)是一种能使客户端执行Hive查询的服务。 HiveServer2是HiveServer1的改进版，HiveServer1已经被废弃。HiveServer2可以支持多客户端并发和身份认证。旨在为开放API客户端（如JDBC和ODBC）提供更好的支持。

HiveServer2单进程运行，提供组合服务，包括基于Thrift的Hive服务(TCP或HTTP)和用于Web UI的Jetty Web服务器。

2.2 架构

基于Thrift的Hive服务是HiveServer2的核心，负责维护Hive查询（例如，从Beeline）。Thrift是构建跨平台服务的RPC框架。其堆栈由4层组成：server，Transport，Protocol和处理器。可以在 https://thrift.apache.org/docs/concepts 找到有关分层的更多详细信息。

2.2.1 Server

HiveServer2在TCP模式下使用TThreadPoolServer(来自Thrift)，在HTTP模式下使用Jetty Server。

TThreadPoolServer为每个TCP连接分配一个工作线程。即使连接处于空闲状态，每个线程也始终与连接相关联。因此，由于大量并发连接产生大量线程，从而导致潜在的性能问题。在将来，HiveServer2可能切换到TCP模式下的另一个不同类型的Server上，例如TThreadedSelectorServer。

2.2.2 Transport

如果客户端和服务器之间需要代理(例如，为了负载均衡或出于安全原因)，则需要HTTP模式。这就是为什么它与TCP模式被同样支持的原因。可以通过Hive配置属性hive.server2.transport.mode指定Thrift服务的传输模式。

2.2.3 Protocol

协议责序列化和反序列化。HiveServer2目前正在使用TBinaryProtocol作为Thrift的协议进行序列化。在未来，可以更多考虑其他协议，如TCompactProtocol，可以考虑更多的性能评估。

2.2.4 处理器

处理流程是处理请求的应用程序逻辑。例如，ThriftCLIService.ExecuteStatement()方法实现了编译和执行Hive查询的逻辑。

2.3 依赖

Metastore metastore可以配置为嵌入式（与HiveServer2相同的过程）或远程服务器（也是基于Thrift的服务）。 HS2与查询编译所需的元数据相关。
Hadoop cluster HiveServer2准备了各种执行引擎（MapReduce/Tez/Spark）的物理执行计划，并将作业提交到Hadoop集群执行。

3. HiveServer 的使用方式

1. JDBC Client

推荐使用JDBC驱动程序让客户端与HiveServer2进行交互。请注意，有一些用例（例如，Hadoop Hue），直接使用Thrift客户端，而没有使用JDBC。以下是进行第一次查询所涉及的一系列API调用：

JDBC客户端（例如，Beeline）通过初始化传输连接(例如，TCP连接)，再调用OpenSession API来获取SessionHandle来创建HiveConnection。会话是从服务器端创建的。
执行HiveStatement（遵循JDBC标准），并且Thrift客户端调用ExecuteStatement API。在API调用中，SessionHandle信息与查询信息一起传递给服务器。
HiveServer2服务器接收请求，并让驱动程序（CommandProcessor）进行查询解析和编译。该驱动程序启动后台工作，将与Hadoop交互，然后立即向客户端返回响应。这是ExecuteStatement API的异步设计。响应包含从服务器端创建的OperationHandle。
客户端使用OperationHandle与HiveServer2交互以轮询查询执行的状态。

2. beeline

beeline方式连接：beeline -u jdbc:hive2//localhost:10000/default -n root -p 123456 或者java client方式连接

备注：连接Hive JDBC URL：jdbc:hive://192.168.6.116:10000/default （Hive默认端口：10000 默认数据库名：default）

3. Thrift客户端访问

因为HiveServer2是基于Thrift实现的，所以我们也可以使用 Thrift客户端来访问Hive服务

安装 HiveServer2

最小配置

<!-- 这是hiveserver2 -->
<property>
         <name>hive.server2.thrift.port</name>
       <value>10000</value>
</property>
<property>
 		<name>hive.server2.thrift.bind.host</name>
 		<value>localhost</value>
</property>

这个最小配置我们在前面的数仓工具—Hive安装中已经介绍过了，所谓最小配置就是启动不报错，可以用的状态

启动

可以使用hive --service hiveserver2 或者 hiveserver2 来启动服务，但是我们遇到端口占用的情况，因为我是本地电脑，所以端口冲突的概率比较大

这里因为10000 端口被占，所以我们只需要kill 掉相关的服务(你也可选择为hiveserver2重新选择一个端口)

接下来我们直接启动，发现启动成功了

2020-12-23 09:00:22,074 INFO  [main] server.AbstractConnector (AbstractConnector.java:doStart(278)) - Started ServerConnector@7da34b26{HTTP/1.1,[http/1.1]}{0.0.0.0:10002}
2020-12-23 09:00:22,074 INFO  [main] server.Server (Server.java:doStart(414)) - Started @64032ms
2020-12-23 09:00:22,075 INFO  [main] http.HttpServer (HttpServer.java:start(255)) - Started HttpServer[hiveserver2] on port 10002
2020-12-23 09:00:22,075 INFO  [main] server.HiveServer2 (HiveServer2.java:start(735)) - Web UI has started on port 10002
2020-12-23 09:00:22,075 INFO  [main] server.HiveServer2 (HiveServer2.java:start(743)) - HS2 interactive HA not enabled. Starting tez sessions..
2020-12-23 09:00:22,075 INFO  [main] server.HiveServer2 (HiveServer2.java:startOrReconnectTezSessions(802)) - Starting/Reconnecting tez sessions..
2020-12-23 09:00:22,075 INFO  [main] server.HiveServer2 (HiveServer2.java:initAndStartTezSessionPoolManager(831)) - Initializing tez session pool manager
2020-12-23 09:00:22,075 INFO  [main] server.HiveServer2 (HiveServer2.java:initAndStartTezSessionPoolManager(840)) - Tez session pool manager initialized.
2020-12-23 09:00:22,075 INFO  [main] server.HiveServer2 (HiveServer2.java:initAndStartWorkloadManager(858)) - Workload management is not enabled.

Web UI for HiveServer2

从启动日志里，我们看到了一个信息，Web UI has started on port 10002 我们尝试打开这个这个地址

你可以将这个理解为HiveServer2的web 端的监控,然后你在上面只能看到一个session,其实就是连接上来的客户端，我们再开一个看看

可以看到现在活动状态色sessions 已经有两个了

在这个页面上你还是可以拿到很多监控信息的，所以就看你如何去使用了

beeline for HiveServer2

前面我们介绍到了beeline是HiveServer2 新引入的客户端，接下来我们简单演示一下beeline，因为我们有单独的章节去介绍beeline

你会看到如下的日志信息，其实这个信息挺重要的，你可以有何印象，例如TRANSACTION_REPEATABLE_READ

Connecting to jdbc:hive2://localhost:10000
Connected to: Apache Hive (version 3.1.2)
Driver: Hive JDBC (version 3.1.2)
Transaction isolation: TRANSACTION_REPEATABLE_READ
Beeline version 3.1.2 by Apache Hive

你也可以进入beeline 之后再去进行连接

// 也可以在连接时指定数据库 !connect jdbc:hive2://localhost:10000/ods　　【hive1101 是数据库名】
// 还可以指定用户名和密码  !connect jdbc:hive2://localhost:10000 root  www1234

然后你就可以看到我新连接上去的用户,如果你去看日志，你会发现匿名用户连接上去是有个警告信息的，但是你最终还是可连接上去的

upsMapping.java:getUnixGroups(210)) - unable to return groups for user anonymous
PartialGroupNameException The user name 'anonymous' is not found. id: anonymous: no such user
id: anonymous: no such user

	at org.apache.hadoop.security.ShellBasedUnixGroupsMapping.resolvePartialGroupNames(ShellBasedUnixGroupsMapping.java:294)
	at org.apache.hadoop.security.ShellBasedUnixGroupsMapping.getUnixGroups(ShellBasedUnixGroupsMapping.java:207)
	at org.apache.hadoop.security.ShellBasedUnixGroupsMapping.getGroups(ShellBasedUnixGroupsMapping.java:97)
	at org.apache.hadoop.security.JniBasedUnixGroupsMappingWithFallback.getGroups(JniBasedUnixGroupsMappingWithFallback.java:51)
	at org.apache.hadoop.security.Groups$GroupCacheLoader.fetchGroupList(Groups.java:387)
	at org.apache.hadoop.security.Groups$GroupCacheLoader.load(Groups.java:321)
	at org.apache.hadoop.security.Groups$GroupCacheLoader.load(Groups.java:270)
	at com.google.common.cache.LocalCache$LoadingValueReference.loadFuture(LocalCache.java:3528)
	at com.google.common.cache.LocalCache$Segment.loadSync(LocalCache.java:2277)
	at com.google.common.cache.LocalCache$Segment.lockedGetOrLoad(LocalCache.java:2154)
	at com.google.common.cache.LocalCache$Segment.get(LocalCache.java:2044)
	at com.google.common.cache.LocalCache.get(LocalCache.java:3952)
	at com.google.common.cache.LocalCache.getOrLoad(LocalCache.java:3974)
	at com.google.common.cache.LocalCache$LocalLoadingCache.get(LocalCache.java:4958)
	at org.apache.hadoop.security.Groups.getGroups(Groups.java:228)
	at org.apache.hadoop.security.UserGroupInformation.getGroups(UserGroupInformation.java:1588)
	at org.apache.hadoop.security.UserGroupInformation.getGroupNames(UserGroupInformation.java:1576)
	at org.apache.hadoop.hive.metastore.HiveMetaStoreClient.open(HiveMetaStoreClient.java:534)
	at org.apache.hadoop.hive.metastore.HiveMetaStoreClient.<init>(HiveMetaStoreClient.java:224)

所以这个时候其实你可以猜到我们这里其实应该是没有做限制的，因为目前我们用的都还是搭建hive 时候用的最小配置，只是为了让它跑起来,因为匿名用户可以进来，所以其实我们指定任意用户名都可以进来，就像下面的kingcall

但是你依然可以看到告警信息，这是因为如果没有专门配置用户名和密码，他们分别是关系型数据库，也就是存放元数据的数据库的用户名和密码

二次配置

这里我们为其配置特定的用户名和密码，再次登录的时候它就需要我们输入用户名和密码了

<property>
  <name>beeline.hs2.connection.user</name>
  <value>hive-beeline</value>
</property>
<property>
  <name>beeline.hs2.connection.password</name>
  <value>www1234</value>
</property>

总结

HiveServer2是一种可选服务，允许远程客户端可以使用各种编程语言向Hive提交请求并检索结果,HiveServer2对HiveServer1进行了重写解决了HiveServer1不支持多客户端连接的问题
HiveServer2支持以JDBC 的方式访问，也支持直接使用Thrift客户端访问
HiveServer2如果没有专门配置用户名和密码，可以使用关系型数据库，也就是存放元数据的数据库的用户名和密码，也支持匿名用户访问
HiveServer2 提供了客户端beeline 和 Web UI for HiveServer2

码农公寓