[大数据]-mongodb+hadoop+hive集成

1. 系统环境

cdh:6.3.2
hive:2.1.1
hadoop:3.0.0

2. 准备工作

相关jar包,可maven中央仓库下载，==特殊说明mongo-hadoop-core 自己手动编译==

 mongo-java-driver-3.12.8
 mongo-hadoop-core-2.0.2
 mongo-hadoop-core-2.0.2

编译后的jar包如下：

mongo-hadoop-core-2.0.2.jar mongo-java-driver-3.12.8.jar mongo-hadoop-hive-2.0.2.jar

具体地址

   http://mvnrepository.com/artifact/org.mongodb.mongo-hadoop/mongo-hadoop-core/2.0.2

   http://mvnrepository.com/artifact/org.mongodb.mongo-hadoop/mongo-hadoop-hive/2.0.2

   http://mvnrepository.com/artifact/org.mongodb/mongo-java-driver/3.12.8

3.cdh中配置hive辅助jar位置并将3个jar包分发至机器的配置目录

image.png
其他情况下也可以指定另外的路径，具体配置方案：
https://blog.csdn.net/shujuelin/article/details/106372341

4.具体操作

mongo与hive集成有2种方式

• MongoDB-based 直接连接hidden节点，使用 com.mongodb.hadoop.hive.MongoStorageHandler做数据Serde
• BSON-based 将数据dump成bson文件，上传到HDFS系统，使用 com.mongodb.hadoop.hive.BSONSerDe

- mongodb-based：

CREATE external TABLE test2(
 `_id`          string comment '主建id',
 fullOrderInfo string comment '订单数据',
 `_class`      string comment 'model'
 ) 
STORED BY 'com.mongodb.hadoop.hive.MongoStorageHandler'
 WITH SERDEPROPERTIES('mongo.columns.mapping'='{"_id":"_id","fullOrderInfo":"fullOrderInfo","_class":"_class"}')
TBLPROPERTIES('mongo.uri'='mongodb://admin:123456@XX.XX.XX.XX:27017/库名.集合名?authSource=admin&authMechanism=SCRAM-SHA-1');

- BSON-based

create external table if not exists test
(
 `_id`         string comment '主建id',
 fullOrderInfo string comment '订单数据',
 `_class`      string comment 'model'
)
 comment '临时表'
 row format serde 'com.mongodb.hadoop.hive.BSONSerDe'
 WITH SERDEPROPERTIES('mongo.columns.mapping'='{"fullOrderInfo":"fullOrderInfo"}')
 stored as inputformat 'com.mongodb.hadoop.mapred.BSONFileInputFormat'
 outputformat 'com.mongodb.hadoop.hive.output.HiveBSONFileOutputFormat'
 location '/warehouse/XX//XX/XXXX';

==注意：此方式会有不同错误一般都是包不兼容问题，根据报错信息处理==

5.总结

• 使用第一种方式尽量创建外部表，防止误删数据。
• 第一种方式适用于实时读取数据
• 第二种方式适用于离线同步，更加稳定