前言

之前在讀hive數據的時候，經常使用讀hdfs parquet文件的方法，雖然封裝函數一樣，調用起來也方便，但是總覺得不得勁，既然我需要的是hive數據，為何不直接讀hive呢？剛好今天又遇到了這個問題，就花了兩個小時，研究了不同的方法，mark一下，以便查閱。好了，進入正題，下面列出了兩種方法，但大體上差不多，可根據需要選擇。另外，還看到使用 impala 操作hive的方法，沒有詳細研究，有空再看看。

pyhive

在網上查了一下，使用比較多的是 pyhs2 和 pyhive，看了下pyhs2已經好多年沒有更新了，轉而研究pyhive，操作步驟如下：

1. conda?install sasl? ? ##網上很多資料都是使用pip安裝，但是大多會遇到下面的錯誤信息，強烈建議使用conda安裝。這里提示一下，不僅僅是這個包，其他包遇到pip不能安裝的時候，也使用conda試試，因為pip有些包需要gcc編譯等，對環境要求比較高。

                   
                     ERROR: Command errored out with exit status 1: anaconda3/bin/python -u -c 'import sys, setuptools, tokenize; sys.argv[0] = '"'"'/tmp/pip-install-_iihdxsa/sasl/setup.py'"'"'; __file__='"'"'/tmp/pip-install-_iihdxsa/sasl/setup.py'"'"';f=getattr(tokenize, '"'"'open'"'"', open)(__file__);code=f.read().replace('"'"'\r\n'"'"', '"'"'\n'"'"');f.close();exec(compile(code, __file__, '"'"'exec'"'"'))' install --record /tmp/pip-record-kukgvvno/install-record.txt --single-version-externally-managed --compile Check the logs for full command output.
                   
                 

2. pip install thrift-sasl
3. pip install PyHive

測試程序如下：

            
              from pyhive import hive
import pandas as pd

cursor = hive.connect(host=IP,port=10000, auth="LDAP", database="default", username="test", password="test").cursor()
cursor.execute('select * from test_table')

data = cursor.fetchall()
columns = [col[0].split('.')[-1] for col in cursor.description]
data = pd.DataFrame(data=data, columns=columns)

print(data.shape)
            
          

因為我的hive是采用LDAP認證的，所以需要提供用戶名、密碼，如果不是這種方式，參考官方demo稍微改一下就可以了。另外，大家可能看到使用?hive.Connection 的方式連接hive的，其實這種方法和 hive.connect 一樣，看一下源碼就明白了，后者調用了前者。

pandas

采用pandas讀取hive是偶然間在網上看到的，測試后發現挺好用的，畢竟pandas好用。首先看一下自己是否有 SQLAlchemy 這個包，如果沒有執行下面命令安裝：

pip install SQLAlchemy

測試程序如下：

            
              import pandas as pd
from sqlalchemy import create_engine

engine = create_engine('hive://username:passwd@IP:10000/default?auth=LDAP')
data = pd.read_sql("SELECT * FROM test_table",con=engine)

print(data.shape)
            
          

上述程序同樣使用了LDAP認證，pandas的源碼中同樣提供了使用demo，看一下就明白了。SQLAlchemy 的使用請看參考資料鏈接。

參考資料

https://docs.sqlalchemy.org/en/13/