kettle连接HDP3组件Hive3.1.0存取数据

1.近况

最近忙于更换工作一直没有更新自己的公众号，十一过后刚入职医疗行业大数据公司，主要还是从事Hadoop相关的工作，正好同事用到了Kettle从Oracle向Hive中抽取数据，周末有空就在自己集群研究了下，这里把采坑过程记录下，希望能帮助有需要的同学。

2.kettle报错研究过程

由于没有使用过kettle，一开始、下载了最新版的kettle7.0，经过各种百度，下载hive配置和jar包，但是总是连接不上hive，报各种错误，不一一举例了,直到报错：No suitable driver found for jdbc:hive2。

log4j:ERROR No output stream or file set for the appender named [pdi-execution-appender].九月 29, 2020 4:16:05 下午 org.apache.cxf.endpoint.ServerImpl initDestination信息: Setting the server‘s publish address to be /i18n2020/10/18 16:16:05 - dept.0 - Error occurred while trying to connect to the database2020/10/18 16:16:05 - dept.0 -2020/10/18 16:16:05 - dept.0 - Error connecting to database: (using class org.apache.hive.jdbc.HiveDriver)2020/10/18 16:16:05 - dept.0 - No suitable driver found for jdbc:hive2://worker1.hadoop.ljs:10000/lujisen

首先说下我这里hadoop用的是比较新的HDP3.1.4,各个组件版本分别是Hadoop3.1.1.3.1、Hive3.1.0,各种百度和看官网一直解决不了这个问题。折腾很久才发现，原来是版本不匹配，因为kettle连接hadoop集群，分为连接CDH还是HDP，从目录\data-integration\plugins\pentaho-big-data-plugin\hadoop-configurations 就可以看出，每个版本的kettle只能连接该目录下指定的集群版本，因为 pentaho-hadoop-shims*.jar 这个文件的是用来匹配kettle和集群版本的，不能随意搭配。因为官网上的shims版本是有限的。

3.kettle下载

这里我是下载了次新稳定版本8.3，我看这个版本有对应hdp3.0的shims包，

下载地址：https://fr.osdn.net/projects/sfnet_pentaho/releases#

4.kettle配置

1.下载解压后，只有一个 data-integration 目录，开始配置连接hive，你所下载的kettle支持的所有版本的hadoop都会在他的插件子目录中有对应的文件夹和shims包，如下图所示：

2.找到对应版本的文件夹hdp30，替换集群的xml配置文件：

3. 修改data-integration\plugins\pentaho-big-data-plugin 目录下的 plugin.properties 文件中的配置项，指定要使用的集群配置是哪个，这里我要启用的是hdp30,入下图所示：

4.拷贝连接hive所需的jar包，从集群Hive的lib目录下拷贝所有hive开头的jar，其实有些包不需要，这里我就不再挑选了直接拷贝到了hdp30/lib下，如果报错你还可以在解压的根目录data-integration/lib下也放置一份，如下图所示：

5. 放上依赖jar后，需要重启，重启之前，最好是清理下data-integration、system/karaf的cache和data(如有)目录，清理缓存：

6.重启，测试成功。

1-6步是没有启用kerberos情况下,kettle连接hive，如果集群启用了kerbeos，执行完上面的6步骤之后，还需要执行以下几步：

这里需要注意的，访问应用服务环境 hive 的主体 principal 统一为 hive/[email protected]，而不是用户自己的principal ，用户自己的 principal 仅作为客户端机器获取认证票据。

7. 创建文件 kettle.login，写入如下内容并保存

# ：Windows 放置在 C:/ProgramData/MIT/Kerberos5/kettle.login

# ：Linux 放置在 /etc/kettle.login

com.sun.security.jgss.initiate{   com.sun.security.auth.module.Krb5LoginModule required   useKeyTab=true   useTicketCache=false   keyTab="C:/ProgramData/MIT/Kerberos5/testuser.keytab"   principal="testuser/[email protected]"   doNotPrompt=true   debug=true   debugNative=true;};

注意：

这上面的keytab和pricipal用哪个用户登录就换成哪个用户的票据和认证文件，注意，注意，注意

8.修改 Kettle 启动脚本

# 修改 Kettle 启动脚本## 2.1 window 系统修改 data-integration\Spoon.bat#  对大概 98 行左右的 OPT 变量修改为如下：#  主要添加了如下四个参数（注意每个参数用引号引起，空格分开，如果想开启动的信息，在启动脚本最后一行加上 pause）：#    "-Djava.security.auth.login.config=C:/ProgramData/MIT/Kerberos5/kettle.login"#    "-Djava.security.krb5.realm=HADOOP.COM"  自己集群realm名称#    "-Djava.security.krb5.kdc=192.168.33.9" 自己kdcserver地址#    "-Djavax.security.auth.useSubjectCredsOnly=false"set OPT=%OPT% %PENTAHO_DI_JAVA_OPTIONS% "-Dhttps.protocols=TLSv1,TLSv1.1,TLSv1.2" "-Djava.library.path=%LIBSPATH%" "-Djava.security.auth.login.config=C:/ProgramData/MIT/Kerberos5/kettle.login"  "-Djava.security.krb5.realm=HADOOP.COM" "-Djava.security.krb5.kdc=192.168.0.201" "-Djavax.security.auth.useSubjectCredsOnly=false" "-DKETTLE_HOME=%KETTLE_HOME%" "-DKETTLE_REPOSITORY=%KETTLE_REPOSITORY%" "-DKETTLE_USER=%KETTLE_USER%" "-DKETTLE_PASSWORD=%KETTLE_PASSWORD%" "-DKETTLE_PLUGIN_PACKAGES=%KETTLE_PLUGIN_PACKAGES%" "-DKETTLE_LOG_SIZE_LIMIT=%KETTLE_LOG_SIZE_LIMIT%" "-DKETTLE_JNDI_ROOT=%KETTLE_JNDI_ROOT%"

## Linux 系统修改 data-integration/spoon.sh## 大概在 205 行，同 Windows 系统类似，添加四个参数OPT="$OPT $PENTAHO_DI_JAVA_OPTIONS -Dhttps.protocols=TLSv1,TLSv1.1,TLSv1.2 -Djava.library.path=$LIBPATH -Djava.security.auth.login.config=/etc/kettle.login -Djava.security.krb5.realm=HADOOP.COM -Djava.security.krb5.kdc=192.168.0.101 -Djavax.security.auth.useSubjectCredsOnly=false -DKETTLE_HOME=$KETTLE_HOME -DKETTLE_REPOSITORY=$KETTLE_REPOSITORY -DKETTLE_USER=$KETTLE_USER -DKETTLE_PASSWORD=$KETTLE_PASSWORD -DKETTLE_PLUGIN_PACKAGES=$KETTLE_PLUGIN_PACKAGES -DKETTLE_LOG_SIZE_LIMIT=$KETTLE_LOG_SIZE_LIMIT -DKETTLE_JNDI_ROOT=$KETTLE_JNDI_ROOT"

9.连接hive

连接名称：lujisen连接类型：Hadoop Hive 2主机名称：hiveserver2 服务地址，例如：192.168.0.101数据库名称：lujisen;principal=hive/[email protected]端口号：10000用户名：hive密码：

注意：

上面第四行中principal后面跟的一定是hive管理员的票据，不是某个登录用户的票据，一定注意，注意，注意

10.连接成功，如下图所示：

感谢大家的持续关注，只要有空余时间，争取把自己的Hadoop相关经验和采坑记录都分享给大家。

kettle连接HDP3组件Hive3.1.0存取数据

猜你喜欢