Apache Hive

本页面介绍了如何将 Looker 连接到 Apache Hive 2.3+ 和 Apache Hive 3.1.2+。

关于 Looker 对不同版本的 Apache Hive 的支持，请注意以下几点：

  • Looker 支持连接到 Apache Hive 2.3 及更高版本和 Apache Hive 3.1.2 及更高版本。
  • 对于 Apache Hive 3.1.2 及更高版本，Looker 只能在 3.1.2 以上版本上与 Apache Hive 3 数据库完全集成。这是由于 Hive 2.4.0 - 3.1.2 版中存在查询解析问题，导致 Looker 生成的 SQL 的解析时间极长。
  • Looker 不支持连接到 Apache Hive 2。针对 Apache Hive 2 的连接查询将返回错误。

对网络流量进行加密

最佳做法是对 Looker 应用和数据库之间的网络流量进行加密。请考虑启用安全的数据库访问文档页面中所述的选项之一。

简介

Looker 设计为使用 JDBC 连接到数据库服务器。对于 Hive，此为 Thrift 服务器 (HiveServer2)。如需了解详情，请参阅 Apache 文档。

默认情况下，此服务器将监听端口 10000。

Looker 是一种交互式查询工具，因此它应该与交互式 SQL 引擎搭配使用。如果 Hive 在 MapReduce 上运行（hive.execution.engine 设置为 mr），则 Hive 返回查询结果的速度会过慢，以至于不太实用。

已使用 Hive on Tez (hive.execution.engine=tez) 对 Looker 进行了测试，不过也可以针对 Hive on Spark 运行 Looker。Hive 版本 1.1 中添加了对 Spark 的支持。（Looker 支持 Hive 1.2.1 及更高版本）。

永久性派生表 (PDT)

如需使用 Hive 连接在 Looker 中启用永久性派生表 (PDT)，请创建一个临时架构供 Looker 使用。以下是可用于创建 looker_scratch 架构的命令示例：

 CREATE SCHEMA looker_scratch;

Looker 用于连接到 Hive 的用户账号（如果未使用身份验证，则可以匿名使用）在临时架构中必须具有以下功能：

  • 创建表
  • 修改表
  • 删除表

在尝试使用 Hive 创建 PDT 之前，请先使用 JDBC 客户端对其进行测试。

队列

如果您希望 Looker 中的查询进入特定队列，请在连接设置页面的其他 JDBC 参数字段中输入队列名称参数：

?tez.queue.name=the_bi_queue

您可以在连接设置页面的其他 JDBC 参数字段中通过这种方式设置其他 Hive 参数。

使用用户属性，不同用户或不同用户群组的查询可能会进入不同的队列。为此，请创建一个名为 queue_name 的用户属性；然后在其他 JDBC 参数字段中，添加以下内容：

?tez.queue.name={{ _user_attributes['queue_name'] }}

您可以使用此参数按用户或群组自定义其他 hive-site.xml 参数。

正在创建与数据库的 Looker 连接

请按照以下步骤创建从 Looker 到数据库的连接：

  1. 在 Looker 的管理部分中，选择连接，然后点击添加连接。

  2. 从 Dialect 下拉菜单中选择 Apache Hive 2.3+ 或 Apache Hive 3.1.2+。

  3. 填写连接详情。大多数设置对大多数数据库方言都是通用的。如需了解详情，请参阅将 Looker 连接到您的数据库文档页面。部分设置如下所述：

    • 名称：指定连接的名称。这是您在 LookML 项目中引用连接的方式。
    • Host（主机）：指定主机名。
    • Port：指定数据库端口。
    • 数据库：指定数据库名称。
    • 用户名：指定数据库用户名。
    • 密码：指定数据库用户密码。
    • 启用 PDT：使用此切换开关可启用永久性派生表。启用 PDT 后，Connection 窗口会显示其他 PDT 设置以及 PDT 替换部分。
    • 临时数据库：指定本文档页面的永久性派生表 (PDT) 部分创建的临时架构的名称。
    • PDT 构建器连接数上限：指定此连接上可能的并发 PDT 构建数量。设置过高的值可能会对查询时间产生不利影响。如需了解详情，请参阅将 Looker 连接到您的数据库文档页面。
    • 其他 JDBC 参数：指定任何其他 JDBC 字符串参数。
    • 数据组和 PDT 维护时间表：指定一个 cron 表达式，用于指示 Looker 应在何时检查数据组和永久性派生表。数据组和 PDT 维护时间表文档。
    • SSL：选中此选项可使用 SSL 连接。
    • 验证 SSL：检查主机名验证。
    • 每个节点的连接数上限：此设置最初可以保留默认值。如需了解详情，请参阅将 Looker 连接到您的数据库文档页面。
    • 连接池超时：此设置最初可以保留默认值。如需详细了解此设置，请参阅将 Looker 连接到数据库文档页面的连接池超时部分。
    • SQL Runner 预缓存：若要使 SQL Runner 不预加载表信息，并且仅在选择某个表时加载表信息，请取消选中此选项。如需详细了解此设置，请参阅将 Looker 连接到数据库文档页面的 SQL Runner 预缓存部分。
    • 数据库时区：指定数据库中使用的时区。如果您不想进行时区转换，请将此字段留空。如需了解详情，请参阅使用时区设置文档页面。

  4. 如需验证连接是否成功，请点击测试。如需了解问题排查信息，请参阅测试数据库连接文档页面。

  5. 要保存这些设置，请点击连接。

功能支持

要让 Looker 支持某些功能，您的数据库方言也必须支持这些功能。

Apache Hive 2.3 及更高版本

从 Looker 24.10 开始，Apache Hive 2.3 及更高版本支持以下功能：

特征 是否支持？
支持级别
集成
Looker (Google Cloud Core)
否
对称汇总
否
派生表
是
永久性 SQL 派生表
是
永久性原生派生表
是
稳定视图
是
终止查询
是
基于 SQL 的数据透视
否
时区
是
SSL
是
小计
是
JDBC 其他参数
是
区分大小写
是
位置类型
是
名单类型
是
百分位
是
不同百分位
否
SQL Runner 显示进程
否
SQL Runner 描述表
是
SQL Runner 显示索引
是
SQL Runner 选择 10
是
SQL 运行程序数量
是
SQL 说明
是
OAuth 凭据
否
上下文注释
是
连接池
否
HLL 素描
否
聚合感知
是
增量 PDT
否
毫秒
是
微秒
是
具体化视图
否
非重复近似计数
否

Apache Hive 3.1.2 及更高版本

从 Looker 24.10 开始，Apache Hive 3.1.2 及更高版本支持以下功能：

特征 是否支持？
支持级别
受支持
Looker (Google Cloud Core)
是
对称汇总
否
派生表
是
永久性 SQL 派生表
是
永久性原生派生表
是
稳定视图
是
终止查询
是
基于 SQL 的数据透视
否
时区
是
SSL
是
小计
是
JDBC 其他参数
是
区分大小写
是
位置类型
是
名单类型
是
百分位
是
不同百分位
否
SQL Runner 显示进程
否
SQL Runner 描述表
是
SQL Runner 显示索引
否
SQL Runner 选择 10
是
SQL 运行程序数量
是
SQL 说明
是
OAuth 凭据
否
上下文注释
是
连接池
否
HLL 素描
否
聚合感知
是
增量 PDT
否
毫秒
是
微秒
是
具体化视图
否
非重复近似计数
否

后续步骤

将数据库连接到 Looker 后，请为用户配置登录选项。