113      阿里云

Hive 开发手册__Hadoop_开发人员指南_E-MapReduce-阿里云

在 Hive 中使用 OSS

要在 Hive 中读写 OSS，需要在使用 OSS 的 URI 时加上 AccessKeyId、AccessKeySecret 以及 endpoint。如下示例介绍了如何创建一个 external 的表：

CREATE EXTERNAL TABLE eusers (
  userid INT) 
 LOCATION 'oss://emr/users';

为了保证能正确访问 OSS，这个时候需要修改这个 OSS URI 为：

CREATE EXTERNAL TABLE eusers (
  userid INT) 
 LOCATION 'oss://${AccessKeyId}:${AccessKeySecret}@${bucket}.${endpoint}/users';

参数说明：

${accessKeyId}：您账号的 accessKeyId。

${accessKeySecret}：该 accessKeyId 对应的密钥。

${endpoint}：访问 OSS 使用的网络，由您集群所在的 region 决定，对应的 OSS 也需要是在集群对应的 region。

具体的值参考 OSS Endpoint

使用Tez作为计算引擎

从E-MapReduce产品版本2.1.0+开始，引入了Tez，Tez是一个用来优化处理复杂DAG调度任务的计算框架。在很多场景下可以有效的提高Hive作业的运行速度。

用户在作业中，可以通过设置Tez作为执行引擎来优化作业，如下：

set hive.execution.engine=tez

示例 1

请参见如下步骤：

1. 编写如下脚本，保存为 hiveSample1.sql，并上传到 OSS 上。

    USE DEFAULT;
    set hive.input.format=org.apache.hadoop.hive.ql.io.HiveInputFormat;
    set hive.stats.autogather=false;
    DROP TABLE emrusers;
    CREATE EXTERNAL TABLE emrusers (
      userid INT,
      movieid INT,
      rating INT,
      unixtime STRING ) 
     ROW FORMAT DELIMITED 
     FIELDS TERMINATED BY 't' 
     STORED AS TEXTFILE 
     LOCATION 'oss://${AccessKeyId}:${AccessKeySecret}@${bucket}.${endpoint}/yourpath';
    SELECT COUNT(*) FROM emrusers;
    SELECT * from emrusers limit 100;
    SELECT movieid,count(userid) as usercount from emrusers group by movieid order by usercount desc limit 50;

2. 测试用数据资源。您可通过下面的地址下载 Hive 作业需要的资源，然后将其放到您 OSS 对应的目录下。

   资源下载：公共测试数据

3. 创建作业。在 E-MapReduce 中新建一个作业,使用类似如下的参数配置：

    -f ossref://${bucket}/yourpath/hiveSample1.sql

   这里的 ${bucket} 是您的一个 OSS bucket，yourPath 是这个 bucket 上的一个路径，需要您填写实际保存 Hive 脚本的位置。

4. 创建执行计划并运行。创建一个执行计划，您可以关联一个已有的集群，也可以自动按需创建一个，然后关联上这个作业。请将作业保存为“手动运行”，回到界面上就可以点击“立即运行”来运行作业了。

示例 2

以 HiBench 中的 scan 为例，若输入输出来自 OSS，则需进行如下过程运行 Hive 作业，代码修改源于 AccessKeyId、AccessKeySecret 以及存储路径的设置。请注意 OSS 路径的设置形式为 oss://${accesskeyId}:${accessKeySecret}@${bucket}.${endpoint}/object/path。