r - 在 R 和 Hive (Hadoop) 数据库之间建立连接

Question

有谁知道如何实现这一目标？

我假设 RJDBC 会有所帮助；但根据我（可能是幼稚的）理解，需要进行一些调整才能为此编写或调整 Hive 驱动程序。

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，我很乐意为解决方案编写一些代码，但我知道几乎没有 Java。

Answer 1

R 可以通过 RJDBC 与 Hive 交互。但是，您需要 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 DB，http://www.toadworld.com/m/freeware/566.aspx，并使用其中包含的驱动程序（解压缩 jar 并查找以下文件）。

下面是一个 R 函数，您可以定义它来创建与 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 ) )
}

Answer 2

我没有测试过这些，但试试RHIPE和hive包。

有关其他选项的讨论，请参阅此 quora question（特别是 Jeff Hammerbacher 的回答）。