在R和Hive(Hadoop)数据库之间建立连接

有谁知道如何实现这一目标?

我假设RJDBC会提供帮助;但是从我(可能很天真)的理解,为了编写或调整Hive驱动程序,需要进行一些调整.

相关文件:

> http://wiki.apache.org/hadoop/Hive/HiveClient
> http://cran.r-project.org/web/packages/RJDBC/RJDBC.pdf

欢迎任何帮助或建议!如果以前没有人这样做过,我会很乐意为解决方案编写一些代码,但我知道旁边没有Java.

R可以通过RJDBC与Hive连接.但是,您需要一个Hive服务器和驱动程序.

蜂巢服务器:

hive --service hiveserver 1> /dev/null 2> /dev/null &

驱动程序:下载Toad for Cloud DBs,http://www.toadworld.com/m/freeware/566.aspx,并使用其中包含的驱动程序(解压缩jar并查找下面的文件).

下面是一个R函数,您可以定义该函数以创建与Hive服务器的连接.

hive_connection <- function(   hostname= 'dlhive01.cloud.msrch', port= 10000, lib_dir ){
  library( RJDBC )

  hive_jars <- c('commons-logging-1.0.4.jar','hadoop-core-0.20.2+737.jar',    'hive-exec-0.7.1-cdh3u1.jar', 'hive-jdbc-0.7.1-cdh3u1.jar',    'hive-metastore-0.7.1-cdh3u1.jar', 'hive-service-0.7.1-cdh3u1.jar', 'libfb303.jar','libthrift.jar', 'log4j-1.2.15.jar', 'slf4j-api-1.6.1.jar', 'slf4j-log4j12-1.6.1.jar' )

  # lib_dir: directory containing the jars above.
  hive_class_path <- sprintf( '%s/%s', lib_dir, hive_jars )

  drv <- JDBC( 'org.apache.hadoop.hive.jdbc.HiveDriver',   classPath=  hive_class_path, "`" )

  server <- sprintf( 'jdbc:hive://%s:%s/default', hostname, port )

  return ( dbConnect( drv, server ) )
}
相关文章
相关标签/搜索