Incorporación de bibliotecas personalizadas de Apache Hive al crear el clúster de HDInsight

  • Artículo

Obtenga información sobre cómo cargar previamente las bibliotecas de Apache Hive en HDInsight. Este documento contiene información sobre el uso de una acción de script para cargar previamente bibliotecas durante la creación del clúster. Las bibliotecas que se agregan mediante los pasos de este documento están disponibles globalmente en Hive: no hace falta usar ADD JAR para cargarlos.

Funcionamiento

Al crear un clúster, puede usar una acción de script para modificar los nodos de clúster creados. El script de este documento acepta un único parámetro, que es la ubicación de las bibliotecas. Esta ubicación debe estar en una cuenta de Azure Storage, y las bibliotecas deben almacenarse como archivos jar.

Durante la creación del clúster, el script enumera los archivos, los copia en el directorio /usr/lib/customhivelibs/ de los nodos principal y de trabajo y luego los agrega a la propiedad hive.aux.jars.path en el archivo core-site.xml. En los clústeres basados en Linux, también actualiza el archivo hive-env.sh con la ubicación de los archivos.

El uso de la acción de script en este artículo hace que las bibliotecas estén disponibles cuando se usa un cliente de Hive para WebHCat y HiveServer2.

El script

Ubicación del script

https://hdiconfigactions.blob.core.windows.net/setupcustomhivelibsv01/setup-customhivelibs-v01.ps1

Requisitos

  • Las scripts deben aplicarse tanto a los nodos principales como a los nodos de trabajo.

  • Los archivos JAR que se van a instalar deben almacenarse en Azure Blob Storage en un único contenedor.

  • La cuenta de almacenamiento que contiene la biblioteca de archivos JAR debe vincularse al clúster de HDInsight durante la creación. Debe ser la cuenta de almacenamiento predeterminada o una agregada a través de la configuración de cuenta de almacenamiento.

  • La ruta de acceso de WASB al contenedor debe especificarse como un parámetro para la acción de script. Por ejemplo, si los archivos JAR se almacenan en un contenedor llamado libs en una cuenta de almacenamiento llamada mystorage, el parámetro sería wasbs://libs@mystorage.blob.core.windows.net/.

    Nota

    En este documento se supone que ha creado ya una cuenta de almacenamiento, contenedora de blobs, y ha cargado los archivos en ella.

    Si no ha creado una cuenta de almacenamiento, puede hacerlo a través de Azure Portal. Después, puede usar una utilidad como el Explorador de Azure Storage para crear un contenedor en la cuenta y cargar archivos en él.

Creación de un clúster mediante el script

  1. Inicie el aprovisionamiento de un clúster siguiendo los pasos que se describen en Aprovisionamiento de clústeres de HDInsight en Linux, pero no complete la operación. También puede usar Azure PowerShell o el SDK de .NET para HDInsight para crear un clúster mediante este script. Para obtener más información sobre el uso de estos métodos, consulte Personalización de clústeres de HDInsight mediante acciones de script. Para Azure Portal, en la pestaña Configuración y precios, seleccione + Agregar acción de script.

  2. En Almacenamiento, si la cuenta de almacenamiento que contiene la biblioteca de archivos JAR será diferente de la cuenta usada para el clúster, complete Cuentas de almacenamiento adicionales.

  3. En Acciones de script, proporcione la siguiente información:

    Propiedad Value
    Tipo de script - Personalizado
    Nombre Bibliotecas
    URI de script de Bash https://hdiconfigactions.blob.core.windows.net/linuxsetupcustomhivelibsv01/setup-customhivelibs-v01.sh
    Tipos de nodo Principal, trabajo
    Parámetros escriba la dirección WASB que dirige al contenedor y la cuenta de almacenamiento que contiene los archivos JAR. Por ejemplo, wasbs://libs@mystorage.blob.core.windows.net/.

    Nota

    Para Apache Spark 2.1, use este URI de script de Bash: https://hdiconfigactions.blob.core.windows.net/linuxsetupcustomhivelibsv01/setup-customhivelibs-v00.sh.

  4. Continúe aprovisionando el clúster tal como se describe en Aprovisionamiento de clústeres de HDInsight en Linux.

Una vez completada la creación del clúster, podrá utilizar los archivos JAR agregados a través de este script desde Hive sin tener que utilizar la instrucción ADD JAR.

Pasos siguientes

Para obtener más información acerca del uso con Hive, consulte Uso de Apache Hive con HDInsight