Hive数据源

通过连接Hive Metastore，或者兼容Hive Metatore的元数据服务，Doris可以自动获取Hive的库表信息，并进行数据查询。

除Hive外，很多其他系统也会使用Hive Metastore存储元数据。通过Hive Catalog，不仅能访问Hive，也能访问使用Hive Metastore作为元数据存储的系统，例如Iceberg、Hudi等。

支持Managed Table。
可以识别Hive Metastore中存储的Hive和Hudi元数据。
若想访问非当前用户创建的Catalog，需授予用户Catalog所在的OBS路径的操作权限。
Hive表格式仅支持Parquet、ORC、TextFile。

前提条件

已创建包含Doris服务的集群，集群内各服务运行正常。
待连接Doris数据库的节点与MRS集群网络互通。
创建具有Doris管理权限的用户。
- 集群已启用Kerberos认证（安全模式）
  在FusionInsight Manager中创建一个人机用户，例如“dorisuser”，创建一个拥有“Doris管理员权限”的角色绑定给该用户。
  
  使用新建的用户dorisuser重新登录FusionInsight Manager，修改该用户初始密码。
- 集群未启用Kerberos认证（普通模式）
  使用admin用户连接Doris后，创建具有管理员权限的角色并绑定给用户。
已安装MySQL客户端，相关操作可参考安装MySQL客户端。

Hive表操作

若需使用Doris读取Hive存储在OBS中的数据时，需执行以下操作。
1. 登录MRS管理控制台，在“控制台”页面，鼠标移动至右上方的用户名，在下拉列表中选择“我的凭证”。
2. 单击“访问密钥”页签，单击“新增访问密钥”，输入验证码或密码。单击“确定”，生成并下载访问密钥。
  在.csv文件中获取创建Catalog所需的obs.access_key、obs.secret_key参数值，对应关系为：
  - obs.access_key参数值为.csv文件中“Access Key Id”列的值。
  - obs.secret_key参数值为.csv文件中“Secret Access Key”列的值。
  - 请及时下载保存，弹窗关闭后将无法再次获取该密钥信息，但您可重新创建新的密钥。
  - 为了账号安全性，建议您妥善保管并定期修改访问密钥，修改访问密钥的方法为删除旧访问密钥，然后重新生成。
3. 创建Catalog所需的obs.region可在获取。
4. 登录“对象存储服务 OBS”管理控制台，单击“并行文件系统”，单击Hive表所在的OBS并行文件系统名称，在概览界面查看“Endpoint”参数值，该值为创建Catalog时设置obs.endpoint参数的值。
登录安装了MySQL的节点，执行以下命令，连接Doris数据库。

若集群已启用Kerberos认证（安全模式），需先执行以下命令再连接Doris数据库：

export LIBMYSQL_ENABLE_CLEARTEXT_PLUGIN=1

mysql -u数据库登录用户 -p数据库登录用户密码 -PFE查询连接端口 -hDoris FE实例IP地址
- Doris FE的查询连接端口，可以通过登录Manager，单击“集群 > 服务 > Doris > 配置”，查询Doris服务的“query_port”参数获取。
- Doris FE实例IP地址可通过登录MRS集群的Manager界面，单击“集群 > 服务 > Doris > 实例”，查看任一FE实例的IP地址。
- 用户也可以使用MySQL连接软件或者Doris WebUI界面连接数据库。
创建Catalog。
- Hive表数据存储在HDFS中，执行以下命令创建Catalog：
  - 集群已启用Kerberos认证（安全模式）：
    CREATE CATALOG hive_catalog PROPERTIES (
    
    'type'='hms',
    
    'hive.metastore.uris' = 'thrift://192.168.67.161:21088',
    
    'hive.metastore.sasl.enabled' = 'true',
    
    'hive.server2.thrift.sasl.qop' = 'auth-conf',
    
    'hive.server2.authentication' = 'KERBEROS',
    
    'dfs.nameservices'='hacluster',
    
    'dfs.ha.namenodes.hacluster'='24,25',
    
    'dfs.namenode.rpc-address.hacluster.24'='主NameNodeIP地址:RPC通信端口',
    
    'dfs.namenode.rpc-address.hacluster.25'='主NameNodeIP地址:RPC通信端口',
    
    'dfs.client.failover.proxy.provider.hacluster'='org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider',
    
    'hive.version' = '3.1.0',
    
    'yarn.resourcemanager.address' = '192.168.67.78:26004',
    
    'yarn.resourcemanager.principal' = 'mapred/hadoop.hadoop.com@HADOOP.COM',
    
    'hive.metastore.kerberos.principal' = 'hive/hadoop.hadoop.com@HADOOP.COM',
    
    'hadoop.security.authentication' = 'kerberos',
    
    'hadoop.kerberos.keytab' = '${BIGDATA_HOME}/FusionInsight_Doris_8.3.1/install/FusionInsight-Doris-2.0.3/doris-be/bin/doris.keytab',
    
    'hadoop.kerberos.principal' = 'doris/hadoop.hadoop.com@HADOOP.COM',
    
    'java.security.krb5.conf' = '${BIGDATA_HOME}/FusionInsight_BASE_*/1_16_KerberosClient/etc/krb5.conf',
    
    'hadoop.rpc.protection' = 'privacy'
    
    );
  - 集群未启用Kerberos认证（普通模式）：
    CREATE CATALOG hive_catalog PROPERTIES (
    
    'type'='hms',
    
    'hive.metastore.uris' = 'thrift://192.168.67.161:21088',
    
    'hive.version' = '3.1.0',
    
    'hadoop.username' = 'hive',
    
    'yarn.resourcemanager.address' = '192.168.67.78:26004',
    
    'dfs.nameservices'='hacluster',
    
    'dfs.ha.namenodes.hacluster'='24,25',
    
    'dfs.namenode.rpc-address.hacluster.24'='192-168-67-172:25000',
    
    'dfs.namenode.rpc-address.hacluster.25'='192-168-67-78:25000',
    
    'dfs.client.failover.proxy.provider.hacluster'='org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider'
    
    );
  - hive.metastore.uris：Hive MetaStore的URL，格式为“thrift://<Hive MetaStore的IP地址>:<端口号>”，支持多个值，以逗号分隔。
  - dfs.nameservices：集群NameService名称。可在NameNode所在节点的“${BIGDATA_HOME}/FusionInsight_HD_*/1_*_NameNode/etc”目录下的“hdfs-site.xml”中查找该配置项的值。
  - dfs.ha.namenodes.hacluster：集群NameService前缀，包含两个值。可在NameNode所在节点的“${BIGDATA_HOME}/FusionInsight_HD_*/1_*_NameNode/etc”目录下的“hdfs-site.xml”中查找该配置项的值。
  - dfs.namenode.rpc-address.hacluster.xx1：主NameNode的RPC通信地址。可在NameNode所在节点的“${BIGDATA_HOME}/FusionInsight_HD_*/1_*_NameNode/etc”目录下的“hdfs-site.xml”中查找该配置项的值，xx为“dfs.ha.namenodes.hacluster”参数的值。
  - dfs.namenode.rpc-address.hacluster.xx2：备NameNode的RPC通信地址。可在NameNode所在节点的“${BIGDATA_HOME}/FusionInsight_HD_*/1_*_NameNode/etc”目录下的“hdfs-site.xml”中查找该配置项的值，xx为“dfs.ha.namenodes.hacluster”参数的值。
  - dfs.client.failover.proxy.provider.hacluster：指定HDFS客户端连接集群中Active状态节点的Java类。值为“org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider”。
  - hive.version：Hive版本。可在Manager界面，选择“集群 > 服务 > Hive”，在概览页面查看“版本”获取。
  - yarn.resourcemanager.address：主ResourceManager实例的IP地址。可在Manager界面，选择“集群 > 服务 > Yarn > 实例”，查看主ResourceManager实例的业务IP地址。
  - hadoop.rpc.protection：设置Hadoop中各模块的RPC通道是否加密，默认为“privacy”。可在Manager界面，选择“集群 > 服务 > HDFS > 配置”，搜索“hadoop.rpc.protection”获取。
  - 集群已启用Kerberos认证（安全模式）：
    
    hive.metastore.sasl.enabled：MetaStore的管理权限开关。值为“true”。
    
    hive.server2.thrift.sasl.qop：HiveServer2和客户端交互是否加密传输，值为“auth-conf”。
    
    hive.server2.authentication：访问HiveServer的安全认证方式，值为“KERBEROS”。
    
    yarn.resourcemanager.principal：访问Yarn集群的Principal，值为“mapred/hadoop.hadoop.com@HADOOP.COM”。
    
    hive.metastore.kerberos.principal：访问Hive集群的Principal，值为“hive/hadoop.hadoop.com@HADOOP.COM”。
    
    hadoop.security.authentication：访问Hadoop的安全认证方式，值为“KERBEROS”。
    
    hadoop.kerberos.keytab：访问Hadoop集群的keytab，值为“${BIGDATA_HOME}/FusionInsight_Doris_*/install/FusionInsight-Doris-*/doris-be/bin/doris.keytab”文件所在的具体路径。
    
    hadoop.kerberos.principal：访问Hadoop集群的Principal，值为“doris/hadoop.hadoop.com@HADOOP.COM”。
    
    java.security.krb5.conf：krb5文件，值为“${BIGDATA_HOME}/FusionInsight_BASE_*/1_*_KerberosClient/etc/krb5.conf”文件所在的具体路径。
  - 集群未启用Kerberos认证（普通模式）：
    hadoop.username：访问Hadoop集群的用户名，值为“hdfs”。
- Hive表数据存储在OBS中，执行以下命令创建Catalog，相关参数值请参见1获取：
  CREATE CATALOG hive_obs_catalog PROPERTIES (
  
  'type'='hms',
  
  'hive.version' = '3.1.0',
  
  'hive.metastore.uris' = 'thrift://192.168.67.161:21088',
  
  'obs.access_key' = 'AK',
  
  'obs.secret_key' = 'SK',
  
  'obs.endpoint' = 'OBS并行文件系统的Endpoint地址',
  
  'obs.region' = 'sa-fb-1'
  
  );
查询Hive表：
- 执行以下命令查询catalogs：
  show catalogs;
- 执行以下命令查询catalog下面的库：
  show databases from hive_catalog;
- 执行以下命令切换Catalog下，在进入到数据库中：
  switch hive_catalog;
  
  use default;
- 查询Catalog中某个库的所有表：
  show tables from `hive_catalog`.`default`;
  
  查询指定表：
  
  select * from `hive_catalog`.`default`.`test_table`;
  
  执行以下命令查看表的Schema：
  
  DESC test_table;
新建或操作Hive表后，需要在Doris中执行刷新：

refresh catalog hive_catalog;
执行以下命令与其他数据目录中的表进行关联查询：

SELECT h.h_shipdate FROM hive_catalog.default.htable h WHERE h.h_partkey IN (SELECT p_partkey FROM internal.db1.part) LIMIT 10;
- 通过catalog.database.table全限定的方式标识一张表，如：internal.db1.part。
- 其中catalog和database可以省略，缺省使用当前SWITCH和USE切换后的catalog和database。
- 可以使用INSERT INTO命令，将Hive Catalog中的表数据，插入到interal catalog中的内部表，从实现导入外部数据目录数据。

父主题： Hive数据源分析

下一篇：生态扩展

意见反馈

文档内容是否对您有帮助？

有帮助没帮助

提供反馈

提交成功！非常感谢您的反馈，我们会继续努力做到更好！

系统繁忙，请稍后重试

在使用文档中是否遇到以下问题

内容与产品页面不一致

内容不易理解

缺失示例代码

步骤不可操作

搜不到想要的内容

缺少最佳实践

意见反馈（选填）

0/500

请至少选择一项反馈信息并填写问题反馈

字符长度不能超过500

直接提交取消