Snabbstart: Köra Apache Hive-frågor i Azure HDInsight med Apache Zeppelin

  • Artikel

I den här snabbstarten lär du dig hur du använder Apache Zeppelin för att köra Apache Hive-frågor i Azure HDInsight. HDInsight-Interaktiv fråga kluster innehåller Apache Zeppelin-notebook-filer som du kan använda för att köra interaktiva Hive-frågor.

Om du inte har någon Azure-prenumeration skapar du ett kostnadsfritt konto innan du börjar.

Förutsättningar

Ett HDInsight-Interaktiv fråga kluster. Se Skapa kluster för att skapa ett HDInsight-kluster. Se till att välja Interaktiv fråga klustertyp.

Skapa en Apache Zeppelin-anteckning

  1. Ersätt CLUSTERNAME med namnet på klustret i följande URL https://CLUSTERNAME.azurehdinsight.net/zeppelin. Ange sedan URL:en i en webbläsare.

  2. Ange användarnamn och lösenord för klusterinloggning. Från Zeppelin-sidan kan du antingen skapa en ny anteckning eller öppna befintliga anteckningar. HiveSample innehåller vissa Hive-exempelfrågor.

    HDInsight Interactive Query zeppelin.

  3. Välj Skapa ny anteckning.

  4. I dialogrutan Skapa ny anteckning skriver eller väljer du följande värden:

    • Anteckningsnamn: Ange ett namn för anteckningen.
    • Standardtolk: Välj jdbc i listrutan.

  5. Välj Skapa anteckning.

  6. Ange följande Hive-fråga i kodavsnittet och tryck sedan på Skift + Retur:

    %jdbc(hive)
show tables

    HDInsight Interactive Query zeppelin runs query.

    Instruktionen %jdbc(hive) på den första raden instruerar anteckningsboken att använda Hive JDBC-tolken.

    Frågan ska returnera en Hive-tabell med namnet hivesampletable.

    Följande är två ytterligare Hive-frågor som du kan köra mot hivesampletable:

    %jdbc(hive)
select * from hivesampletable limit 10

%jdbc(hive)
select ${group_name}, count(*) as total_count
from hivesampletable
group by ${group_name=market,market|deviceplatform|devicemake}
limit ${total_count=10}

    Om du jämför med den traditionella Hive måste frågeresultaten komma tillbaka snabbare.

Ytterligare exempel

  1. Skapa en tabell. Kör koden nedan i Zeppelin Notebook:

    %jdbc(hive)
CREATE EXTERNAL TABLE log4jLogs (
    t1 string,
    t2 string,
    t3 string,
    t4 string,
    t5 string,
    t6 string,
    t7 string)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY ' '
STORED AS TEXTFILE;

  2. Läs in data i den nya tabellen. Kör koden nedan i Zeppelin Notebook:

    %jdbc(hive)
LOAD DATA
INPATH 'wasbs:///example/data/sample.log'
INTO TABLE log4jLogs;

  3. Infoga en enskild post. Kör koden nedan i Zeppelin Notebook:

    %jdbc(hive)
INSERT INTO TABLE log4jLogs2
VALUES ('A', 'B', 'C', 'D', 'E', 'F', 'G');

Mer syntax finns i Språkhandboken för Hive.

Rensa resurser

När du har slutfört snabbstarten kanske du vill ta bort klustret. Med HDInsight lagras dina data i Azure Storage, så att du på ett säkert sätt kan ta bort ett kluster när de inte används. Du debiteras också för ett HDInsight-kluster, även om det inte används. Eftersom avgifterna för klustret är många gånger högre än avgifterna för lagring är det ekonomiskt klokt att ta bort kluster när de inte används.

Information om hur du tar bort ett kluster finns i Ta bort ett HDInsight-kluster med webbläsaren, PowerShell eller Azure CLI.

Nästa steg

I den här snabbstarten har du lärt dig hur du använder Apache Zeppelin för att köra Apache Hive-frågor i Azure HDInsight. Om du vill veta mer om Hive-frågor visar nästa artikel hur du kör frågor med Visual Studio.

Anslut till Azure HDInsight och köra Apache Hive-frågor med Data Lake Tools för Visual Studio