技能速成！教你10分钟内在电脑上配置运行Hive Metastore和Presto

作者：范斌；Alluxio创始成员、开源社区副总裁

To 初学者：
本教程将指导初学者在本地服务器上通过搭建Presto和Hive Metastore来查询S3上的数据。
Presto是用于计划和执行查询的SQL引擎，S3为表分区文件提供存储服务，而Hive Metastore是为Presto访问表模式和位置信息提供catalog服务。
本教程将展示如何一步一步安装并配置Presto和Hive MetaStore，从而查询存储在公有S3 bucket中的数据。

第一步：下载和启动Hive MetaStore

本教程中我们下载并使用 [apache-hive-2.3.7-bin.tar.gz]，点击下载并解压Hive的二进制压缩包。

$ cd /path/to/tutorial/root
$ wget https://downloads.apache.org/hive/hive-2.3.7/apache-hive-2.3.7-bin.tar.gz
$ tar -zxf apache-hive-2.3.7-bin.tar.gz
$ cd apache-hive-2.3.7-bin

我们只需要启动Hive Metastore来为Presto提供诸如表模式和分区位置等的catalog信息。

如果你是第一次启动Hive Metastore，请准备好相应的配置文件和环境，同时初始化(initialize)一个新的Metastore。

$ export HIVE_HOME=`pwd`
$ cp conf/hive-default.xml.template conf/hive-site.xml
$ mkdir -p hcatalog/var/log/
$ bin/schematool -dbType derby -initSchema

需要配置Hive来访问S3，可以在conf/hive-env.sh中添加以下几行。同时，Hive需要相应的jar包来访问带有“s3a://”地址的文件，还需要AWS凭证来访问S3 bucket（包括公有S3 bucket）。

export HIVE_AUX_JARS_PATH=${HADOOP_HOME}/share/hadoop/tools/lib/aws-java-sdk-core-1.10.6.jar:${HADOOP_HOME}/share/hadoop/tools/lib/aws-java-sdk-s3-1.10.6.jar:${HADOOP_HOME}/share/hadoop/tools/lib/hadoop-aws-2.8.4.jar
export AWS_ACCESS_KEY_ID=<Your AWS Access Key>
export AWS_SECRET_ACCESS_KEY=<Your AWS Secret Key>

如果你的Hadoop安装包中没有上述jar包，你也可以从maven central下载：

<aws-java-sdk-core-1.10.6.jar>、<aws-java-sdk-s3-1.10.6.jar>、<hadoop-aws-2.8.4.jar>

启动Hive Metastore，它将在后台运行并监听端口9083（默认端口）。

$ hcatalog/sbin/hcat_server.sh start
Started metastore server init, testing if initialized correctly...
Metastore initialized successfully on port[9083].

为了验证MetaStore是否在运行，请在 hcatalog/var/log/路径下查看Hive Metastore日志。

第二步：下载并启动Presto服务器

在本教程中我们以[0.237.1版本]服务器为例，点击链接，打开Presto服务器安装页面，下载并解压经过预编译的（pre-build），服务器压缩包。

$ cd /path/to/tutorial/root
$ wget https://repo1.maven.org/maven2/com/facebook/presto/presto-server/0.237.1/presto-server-0.237.1.tar.gz
$ tar -zxf presto-server-0.237.1.tar.gz
$ cd presto-server-0.237.1

创建一个包含基本Presto配置的配置文件: etc/config.properties。

coordinator=true
node-scheduler.include-coordinator=true
http-server.http.port=8080
discovery-server.enabled=true
discovery.uri=http://localhost:8080

创建 etc/jvm.config来完成以下JVM配置。

-server
-Xmx16G
-XX:+UseG1GC
-XX:G1HeapRegionSize=32M
-XX:+UseGCOverheadLimit
-XX:+ExplicitGCInvokesConcurrent
-XX:+HeapDumpOnOutOfMemoryError
-XX:+ExitOnOutOfMemoryError

创建 etc/node.properties，应包含下面几行内容：

node.environment=production
node.id=ffffffff-ffff-ffff-ffff-ffffffffffff
node.data-dir=/tmp/presto/data

最后，在etc/catalog/hive.properties中配置Presto Hive连接器，指向刚刚启动的Hive Metastore服务。此外，这里还需要再次输入AWS凭证，完成后，Presto即可从S3读取输入文件。

connector.name=hive-hadoop2
hive.metastore.uri=thrift://localhost:9083
hive.s3.aws-access-key=<Your AWS Access Key>
hive.s3.aws-secret-key=<Your AWS Secret Key>

在后台启动Presto服务器：

$ ./bin/launcher start
为了验证Presto服务器是否在运行，从浏览器中访问链接http://localhost:8080 ，并在网页用户界面（UI）上检查服务器状态。

第三步：启动Presto CLI（Presto 命令行工具）

并运行查询命令，从服务器上下载Presto命令行工具，它是一个单独的二进制文件Presto CLI

$ cd /path/to/tutorial/root
$ wget https://repo1.maven.org/maven2/com/facebook/presto/presto-cli/0.237.1/presto-cli-0.237.1-executable.jar
$ mv presto-cli-0.237.1-executable.jar presto
$ chmod +x presto

连接到上一步中已经启动的Presto服务器。

$ ./presto --server localhost:8080  --catalog hive --debug

使用默认模式

`presto> use default;
USE`

基于S3中的文件在默认模式下创建一个新表，这些信息将被发送到Hive MetaStore。

presto:default> CREATE TABLE reason (
  r_reason_sk integer,
  r_reason_id varchar,
  r_reason_desc varchar
) WITH (
  external_location = 's3a://apc999/presto-tutorial/example-reason',
  format = 'PARQUET'
);
CREATE TABLE

扫描创建的新表：

presto:default> SELECT * FROM reason limit 3;
 r_reason_sk |   r_reason_id    |     r_reason_desc      
-------------+------------------+------------------------
           1 | AAAAAAAABAAAAAAA | Package was damaged    
           2 | AAAAAAAACAAAAAAA | Stopped working        
           3 | AAAAAAAADAAAAAAA | Did not get it on time 
(3 rows)Query 20200703_074406_00011_8vq8w, FINISHED, 1 node
http://localhost:8080/ui/query.html?20200703_074406_00011_8vq8w
Splits: 18 total, 18 done (100.00%)
CPU Time: 0.5s total,     6 rows/s, 2.06KB/s, 27% active
Per Node: 0.1 parallelism,     0 rows/s,   279B/s
Parallelism: 0.1
Peak User Memory: 0B
Peak Total Memory: 219B
Peak Task Total Memory: 219B
0:04 [3 rows, 1002B] [0 rows/s, 279B/s]

第四步：停止服务器

$ cd /path/to/tutorial/root
$ presto-server-0.237.1/bin/launcher stop
$ apache-hive-2.3.7-bin/hcatalog/sbin/hcat_server.sh stop

总结：

在本教程中，我们演示了如何通过搭建Presto和Hive Metastore来对存储在公有S3 bucket中的数据进行SQL查询，希望对你有所帮助。