hive 2.1 创建表时被移动到回收站

xjl456852 2016-07-29 03:55:20
hive> create table test (id int);
Moved: 'hdfs://mycluster/user/hive/warehouse/mybase.db/test' to trash at: hdfs://mycluster/user/hadoop/.Trash/Current
Moved: 'hdfs://mycluster/user/hive/warehouse/mybase.db/test' to trash at: hdfs://mycluster/user/hadoop/.Trash/Current
Moved: 'hdfs://mycluster/user/hive/warehouse/mybase.db/test' to trash at: hdfs://mycluster/user/hadoop/.Trash/Current
..
FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.DDLTask. MetaException(message:For direct MetaStore DB connections, we don't support retries at the client level.)

hive-site.xml中的配置:
<property>
<name>hive.server2.logging.operation.log.location</name>
<value>/data/hive/data/operation_logs</value>
<description>Top level directory where operation logs are stored if logging functionality is enable
d</description>
</property>
<property>
<name>hive.exec.local.scratchdir</name>
<value>/data/hive/data</value>
<description>Local scratch space for Hive jobs</description>
</property>
<property>
<name>hive.downloaded.resources.dir</name>
<value>/data/hive/data_resources</value>
<description>Temporary local directory for added resources in the remote file system.</description>
</property>
<property>
<name>hive.querylog.location</name>
<value>/data/hive/data</value>
<description>Location of Hive run time structured log file</description>
</property>

<property>
<name>javax.jdo.option.ConnectionURL</name>
<value>jdbc:mariadb://localhost:3306/hive?create=true</value>
<description>JDBC connect string for a JDBC metastore</description>
</property>
<property>
<name>javax.jdo.option.ConnectionDriverName</name>
<value>org.mariadb.jdbc.Driver</value>
<description>Driver class name for a JDBC metastore</description>
</property>
<property>
<name>javax.jdo.option.ConnectionUserName</name>
<value>hadoop</value>
<description>username to use against metastore database</description>
</property>
<property>
<name>javax.jdo.option.ConnectionPassword</name>
<value>hadoop</value>
<description>password to use against metastore database</description>
</property>
<property>
<name>hive.metastore.warehouse.dir</name>
<value>hdfs://mycluster/user/hive/warehouse</value>
<description>location of default database for the warehouse</description>
</property>
...全文
2536 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
《Hadoop实战》作为云计算所青睐的分布式架构,Hadoop是一个用Java语言实现的软件框架,在由大量计算机组成的集群中运行海量数据的分布式计算,是谷歌实现云计算的重要基石。《Hadoop实战》分为3个部分,深入浅出地介绍了Hadoop框架、编写和运行Hadoop数据处理程序所需的实践技能及Hadoop之外更大的生态系统。 《Hadoop实战》适合需要处理大量离线数据的云计算程序员、架构师和项目经理阅读参考。 书籍目录: 第一部分 Hadoop——一种分布式编程框架  第1章 Hadoop简介   1.1 为什么写《Hadoop 实战》   1.2 什么是Hadoop   1.3 了解分布式系统和Hadoop   1.4 比较SQL 数据库和Hadoop   1.5 理解MapReduce   1.5.1 动手扩展一个简单程序   1.5.2 相同程序在MapReduce中的扩展   1.6 用Hadoop统计单词——运行第一个程序   1.7 Hadoop历史   1.8 小结   1.9 资源  第2章 初识Hadoop   2.1 Hadoop 的构造模块显示全部信息 第一部分 Hadoop——一种分布式编程框架  第1章 Hadoop简介   1.1 为什么写《Hadoop 实战》   1.2 什么是Hadoop   1.3 了解分布式系统和Hadoop   1.4 比较SQL 数据库和Hadoop   1.5 理解MapReduce   1.5.1 动手扩展一个简单程序   1.5.2 相同程序在MapReduce中的扩展   1.6 用Hadoop统计单词——运行第一个程序   1.7 Hadoop历史   1.8 小结   1.9 资源  第2章 初识Hadoop   2.1 Hadoop 的构造模块   2.1.1 NameNode   2.1.2 DataNode   2.1.3 Secondary NameNode   2.1.4 JobTracker   2.1.5 TaskTracker   2.2 为Hadoop 集群安装SSH   2.2.1 定义一个公共账号   2.2.2 验证SSH安装   2.2.3 生成SSH密钥对   2.2.4 将公钥分布并登录验证   2.3 运行Hadoop   2.3.1 本地(单机)模式   2.3.2  伪分布模式   2.3.3 全分布模式   2.4 基于Web 的集群用户界面   2.5 小结  第3章 Hadoop组件   3.1 HDFS 文件操作   3.1.1 基本文件命令   3.1.2 编程读写HDFS   3.2 剖析MapReduce 程序   3.2.1 Hadoop数据类型   3.2.2 Mapper   3.2.3 Reducer   3.2.4 Partitioner:重定向Mapper输出   3.2.5 Combiner:本地reduce   3.2.6 预定义mapper和Reducer类的单词计数   3.3 读和写   3.3.1 InputFormat   3.3.2 OutputFormat   3.4 小结 第二部分 实战  第4章 编写MapReduce基础程序   4.1 获得专利数据集   4.1.1 专利引用数据   4.1.2 专利描述数据   4.2 构建MapReduce 程序的基础模板   4.3 计数   4.4 适应Hadoop API 的改变   4.5 Hadoop 的Streaming   4.5.1 通过Unix命令使用Streaming   4.5.2 通过脚本使用Streaming   4.5.3 用Streaming处理键/值对   4.5.4 通过Aggregate包使用Streaming   4.6 使用combiner 提升性能   4.7 温故知新   4.8 小结   4.9 更多资源  第5章 高阶MapReduce   5.1 链接MapReduce 作业   5.1.1 顺序链接MapReduce作业   5.1.2 具有复杂依赖的MapReduce链接   5.1.3 预处理和后处理阶段的链接   5.2 联结不同来源的数据   5.2.1 Reduce侧的联结   5.2.2 基于DistributedCache的复制联结   5.2.3 半联结:map侧过滤后在reduce侧联结   5.3 创建一个Bloom filter   5.3.1 Bloom filter做了什么   5.3.2 实现一个Bloom filter   5.3.3 Hadoop 0.20 以上版本的Bloom filter   5.4 温故知新   5.5 小结   5.6 更多资源  第6章 编程实践   6.1 开发MapReduce 程序   6.1.1 本地模式   6.1.2 伪分布模式   6.2 生产集群上的监视和调试   6.2.1 计数器   6.2.2 跳过坏记录   6.2.3 用IsolationRunner重新运行出错的任务   6.3 性能调优   6.3.1 通过combiner来减少网络流量   6.3.2 减少输入数据量   6.3.3 使用压缩   6.3.4 重用JVM   6.3.5 根据猜测执行来运行   6.3.6 代码重构与算法重写   6.4 小结  第7章 细则手册   7.1 向任务传递作业定制的参数   7.2 探查任务特定信息   7.3 划分为多个输出文件   7.4 以数据库作为输入输出   7.5 保持输出的顺序   7.6 小结  第8章 管理Hadoop   8.1 为实际应用设置特定参数值   8.2 系统体检   8.3 权限设置   8.4 配额管理   8.5 启用回收站   8.6 删减DataNode   8.7 增加DataNode   8.8 管理NameNode 和SNN   8.9 恢复失效的NameNode   8.10 感知网络布局和机架的设计   8.11 多用户作业的调度   8.11.1 多个JobTracker   8.11.2 公平调度器   8.12 小结 第三部分 Hadoop也疯狂  第9章 在云上运行Hadoop   9.1 Amazon Web Services 简介   9.2 安装AWS   9.2.1 获得AWS身份认证凭据   9.2.2 获得命令行工具   9.2.3 准备SSH密钥对   9.3 在EC2 上安装Hadoop   9.3.1 配置安全参数   9.3.2 配置集群类型   9.4 在EC2 上运行MapReduce 程序   9.4.1 将代码转移到Hadoop集群上   9.4.2 访问Hadoop集群上的数据   9.5 清空和关闭EC2 实例   9.6 Amazon Elastic MapReduce 和其他AWS 服务   9.6.1 Amazon Elastic MapReduce   9.6.2 AWS导入/导出   9.7 小结  第10章 用Pig编程   10.1 像Pig 一样思考   10.1.1 数据流语言   10.1.2 数据类型   10.1.3 用户定义函数   10.2 安装Pig   10.3 运行Pig   10.4 通过Grunt 学习Pig Latin   10.5 谈谈Pig Latin   10.5.1 数据类型和schema   10.5.2 表达式和函数   10.5.3 关系型运算符   10.5.4 执行优化   10.6 用户定义函数   10.6.1 使用UDF   10.6.2 编写UDF   10.7 脚本   10.7.1 注释   10.7.2 参数替换   10.7.3 多查询执行   10.8 Pig 实战——计算相似专利的例子   10.9 小结  第11章 Hive及Hadoop群   11.1 Hive   11.1.1 安装与配置Hive   11.1.2 查询的示例   11.1.3 深入HiveQL   11.1.4 Hive小结   11.2 其他Hadoop 相关的部分   11.2.1 HBase   11.2.2 ZooKeeper   11.2.3 Cascading   11.2.4 Cloudera   11.2.5 Katta   11.2.6 CloudBase   11.2.7 Aster Data和Greenplum   11.2.8 Hama和Mahout   11.2.9 search-hadoop.com   11.3 小结  第12章 案例研究   12.1 转换《纽约报》1100 万个库存图片文档   12.2 挖掘中国移动的数据   12.3 在StumbleUpon 推荐最佳网站   12.3.1 分布式StumbleUpon 的开端   12.3.2 HBase 和StumbleUpon   12.3.3 StumbleUpon 上的更多Hadoop 应用   12.4 搭建面向企业查询的分析系统——IBM的ES2 项目   12.4.1 ES2 系统结构   12.4.2 ES2 爬虫   12.4.3 ES2 分析   12.4.4 小结   12.4.5 参考文献 附录A HDFS文件命令
经过学术界和业界近10年的努力,Hadoop技术已经趋于完善而且应用广泛,几乎已经成为Big Data领域的事实标准。Hadoop技术本身比较复杂,而且还涉及Pig、ZooKeeper、Hive、HBase等一系列技术,学习门槛比较高,对于初学者和基础不太扎实的读者而言,有一本适合系统学习的Hadoop图书显得十分重要。本书即是专门为这两类读者量身定做的:第一,它的内容非常全面和前沿,不仅讲解了最新的Hadoop技术和第二代MapReduce,还讲解了涉及的所有周边技术,能满足系统学习的需求;第二,实战性非常强,不仅很多知识点配有精心设计的小案例,而且有完整的企业级案例,能满足操作实践的需求;第三,这一版在上一版的基础上根据最新的技术做了更新和补充,能满足读者学习最新技术的需求。本书第1版不仅取得了好的销量,而且广受好评,第2版在内容上有很大的提升,相信能让更多的读者从中受益。    —— EasyHadoop  国内专业的Hadooop社区,致力于让Hadoop大数据分析更简单 第一部分 Hadoop——一种分布式编程框架 第1 章 Hadoop简介 1.1 为什么写《Hadoop 实战》 1.2 什么是Hadoop 1.3 了解分布式系统和Hadoop 1.4 比较SQL 数据库和Hadoop 1.5 理解MapReduce 1.5.1 动手扩展一个简单程序 1.5.2 相同程序在MapReduce中的扩展 1.6 用Hadoop统计单词——运行第一个程序 1.7 Hadoop历史 1.8 小结 1.9 资源 第2 章 初识Hadoop 2.1 Hadoop 的构造模块 2.1.1 NameNode 2.1.2 DataNode 2.1.3 Secondary NameNode 2.1.4 JobTracker 2.1.5 TaskTracker 2.2 为Hadoop 集群安装SSH 2.2.1 定义一个公共账号 2.2.2 验证SSH安装 2.2.3 生成SSH密钥对 2.2.4 将公钥分布并登录验证 2.3 运行Hadoop 2.3.1 本地(单机)模式 2.3.2  伪分布模式 2.3.3 全分布模式 2.4 基于Web 的集群用户界面 2.5 小结 第3 章 Hadoop组件 3.1 HDFS 文件操作 3.1.1 基本文件命令 3.1.2 编程读写HDFS 3.2 剖析MapReduce 程序 3.2.1 Hadoop数据类型 3.2.2 Mapper 3.2.3 Reducer 3.2.4 Partitioner:重定向Mapper输出 3.2.5 Combiner:本地reduce 3.2.6 预定义mapper和Reducer类的单词计数 3.3 读和写 3.3.1 InputFormat 3.3.2 OutputFormat 3.4 小结 第二部分 实战 第4 章 编写MapReduce基础程序 4.1 获得专利数据集 4.1.1 专利引用数据 4.1.2 专利描述数据 4.2 构建MapReduce 程序的基础模板 4.3 计数 4.4 适应Hadoop API 的改变 4.5 Hadoop 的Streaming 4.5.1 通过Unix命令使用Streaming 4.5.2 通过脚本使用Streaming 4.5.3 用Streaming处理键/值对 4.5.4 通过Aggregate包使用Streaming 4.6 使用combiner 提升性能 4.7 温故知新 4.8 小结 4.9 更多资源 第5 章 高阶MapReduce 5.1 链接MapReduce 作业 5.1.1 顺序链接MapReduce作业 5.1.2 具有复杂依赖的MapReduce链接 5.1.3 预处理和后处理阶段的链接 5.2 联结不同来源的数据 5.2.1 Reduce侧的联结 5.2.2 基于DistributedCache的复制联结 5.2.3 半联结:map侧过滤后在reduce侧联结 5.3 创建一个Bloom filter 5.3.1 Bloom filter做了什么 5.3.2 实现一个Bloom filter 5.3.3 Hadoop 0.20 以上版本的Bloom filter 5.4 温故知新 5.5 小结 5.6 更多资源 第6 章 编程实践 6.1 开发MapReduce 程序 6.1.1 本地模式 6.1.2 伪分布模式 6.2 生产集群上的监视和调试 6.2.1 计数器 6.2.2 跳过坏记录 6.2.3 用IsolationRunner重新运行出错的任务 6.3 性能调优 6.3.1 通过combiner来减少网络流量 6.3.2 减少输入数据量 6.3.3 使用压缩 6.3.4 重用JVM 6.3.5 根据猜测执行来运行 6.3.6 代码重构与算法重写 6.4 小结 第7 章 细则手册 7.1 向任务传递作业定制的参数 7.2 探查任务特定信息 7.3 划分为多个输出文件 7.4 以数据库作为输入输出 7.5 保持输出的顺序 7.6 小结 第8 章 管理Hadoop 8.1 为实际应用设置特定参数值 8.2 系统体检 8.3 权限设置 8.4 配额管理 8.5 启用回收站 8.6 删减DataNode 8.7 增加DataNode 8.8 管理NameNode 和SNN 8.9 恢复失效的NameNode 8.10 感知网络布局和机架的设计 8.11 多用户作业的调度 8.11.1 多个JobTracker 8.11.2 公平调度器 8.12 小结 第三部分 Hadoop也疯狂 第9 章 在云上运行Hadoop 9.1 Amazon Web Services 简介 9.2 安装AWS 9.2.1 获得AWS身份认证凭据 9.2.2 获得命令行工具 9.2.3 准备SSH密钥对 9.3 在EC2 上安装Hadoop 9.3.1 配置安全参数 9.3.2 配置集群类型 9.4 在EC2 上运行MapReduce 程序 9.4.1 将代码转移到Hadoop集群上 9.4.2 访问Hadoop集群上的数据 9.5 清空和关闭EC2 实例 9.6 Amazon Elastic MapReduce 和其他AWS 服务 9.6.1 Amazon Elastic MapReduce 9.6.2 AWS导入/导出 9.7 小结 第10 章 用Pig编程 10.1 像Pig 一样思考 10.1.1 数据流语言 10.1.2 数据类型 10.1.3 用户定义函数 10.2 安装Pig 10.3 运行Pig 10.4 通过Grunt 学习Pig Latin 10.5 谈谈Pig Latin 10.5.1 数据类型和schema 10.5.2 表达式和函数 10.5.3 关系型运算符 10.5.4 执行优化 10.6 用户定义函数 10.6.1 使用UDF 10.6.2 编写UDF 10.7 脚本 10.7.1 注释 10.7.2 参数替换 10.7.3 多查询执行 10.8 Pig 实战——计算相似专利的例子 10.9 小结 第11 章 Hive及Hadoop群 11.1 Hive 11.1.1 安装与配置Hive 11.1.2 查询的示例 11.1.3 深入HiveQL 11.1.4 Hive小结 11.2 其他Hadoop 相关的部分 11.2.1 HBase 11.2.2 ZooKeeper 11.2.3 Cascading 11.2.4 Cloudera 11.2.5 Katta 11.2.6 CloudBase 11.2.7 Aster Data和Greenplum 11.2.8 Hama和Mahout 11.2.9 search-hadoop.com 11.3 小结 第12 章 案例研究 12.1 转换《纽约报》1100 万个库存图片文档 12.2 挖掘中国移动的数据 12.3 在StumbleUpon 推荐最佳网站 12.3.1 分布式StumbleUpon 的开端 12.3.2 HBase 和StumbleUpon 12.3.3 StumbleUpon 上的更多Hadoop 应用 12.4 搭建面向企业查询的分析系统——IBM的ES2 项目 12.4.1 ES2 系统结构 12.4.2 ES2 爬虫 12.4.3 ES2 分析 12.4.4 小结 12.4.5 参考文献

2,245

社区成员

发帖
与我相关
我的任务
社区描述
OpenAPI
社区管理员
  • OpenAPI社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧