# 1. 配置鲲鹏BoostKit大数据使能套件yum源（鲲鹏架构，openEuler 22.03）
cat > /etc/yum.repos.d/boostkit-bigdata.repo << EOF
[boostkit-bigdata]
name=Kunpeng BoostKit BigData Repository
baseurl=https://repo.huaweicloud.com/kunpeng/boostkit/openEuler/22.03/aarch64/bigdata/
enabled=1
gpgcheck=0
EOF

# 2. 清理yum缓存并更新
yum clean all && yum makecache

# 3. 安装移植所需基础工具与依赖
yum install -y gcc gcc-c++ make cmake autoconf automake libtool git wget
# 安装毕昇JDK（适配鲲鹏架构，优化Hive性能）
yum install -y bishengjdk-11
# 安装Maven（用于Hive源码编译）
yum install -y maven
# 安装Hive移植所需第三方依赖（BoostKit优化版）
yum install -y boostkit-bigdata-hive-deps protobuf-devel openssl-devel

# 4. 配置环境变量（毕昇JDK、Maven）
echo 'export JAVA_HOME=/usr/lib/jvm/bishengjdk-11' >> /etc/profile
echo 'export MAVEN_HOME=/usr/share/maven' >> /etc/profile
echo 'export PATH=$JAVA_HOME/bin:$MAVEN_HOME/bin:$PATH' >> /etc/profile
source /etc/profile

# 5. 验证环境（确保工具版本符合要求）
java -version # 确认毕昇JDK 11版本
mvn -version # 确认Maven 3.8.x及以上版本

# 1. 创建工作目录，统一管理源码与编译文件
mkdir -p /opt/boostkit/hive/migration
cd /opt/boostkit/hive/migration

# 2. 下载BoostKit优化版Hive源码（适配鲲鹏架构，Hive 3.1.3版本）
wget https://repo.huaweicloud.com/kunpeng/boostkit/bigdata/hive/boostkit-hive-3.1.3-src.tar.gz
# 解压源码
tar -zxf boostkit-hive-3.1.3-src.tar.gz
cd boostkit-hive-3.1.3

# 3. 配置Maven镜像（加速编译，适配鲲鹏架构依赖）
cat > ~/.m2/settings.xml << EOF
<settings>
    <mirrors>
        <mirror>
            <id>huaweicloud</id>
            <url>https://mirrors.huaweicloud.com/repository/maven/</url>
            <mirrorOf>central</mirrorOf>
        </mirror>
    </mirrors>
</settings>
EOF

# 4. 执行编译（启用BoostKit优化，生成安装包）
mvn clean package -DskipTests -Pdist -Dboostkit.optimize=true
# 编译完成后，查看生成的安装包
ls packaging/target/apache-hive-3.1.3-bin.tar.gz

# 1. 解压Hive编译包到部署目录
tar -zxf packaging/target/apache-hive-3.1.3-bin.tar.gz -C /opt/boostkit/hive/
cd /opt/boostkit/hive/apache-hive-3.1.3

# 2. 配置Hive环境变量
echo 'export HIVE_HOME=/opt/boostkit/hive/apache-hive-3.1.3' >> /etc/profile
echo 'export PATH=$HIVE_HOME/bin:$PATH' >> /etc/profile
source /etc/profile

# 3. 配置Hive核心配置文件hive-site.xml
cat > conf/hive-site.xml << EOF
<configuration&gt;
    <!-- 配置元数据存储（MySQL，适配鲲鹏架构） -->
    <property>
        <name>javax.jdo.option.ConnectionURL</name>
        <value>jdbc:mysql://mysql-node:3306/hive_meta?createDatabaseIfNotExist=true&useSSL=false</value>
    </property>
    <property>
        <name>javax.jdo.option.ConnectionDriverName</name>
        <value>com.mysql.cj.jdbc.Driver</value>
    </property>
    <property>
        <name>javax.jdo.option.ConnectionUserName</name>
        <value>hive</value>
    </property>
    <property>
        <name>javax.jdo.option.ConnectionPassword</name>
        &lt;value&gt;Hive@123&lt;/value&gt;
    &lt;/property&gt;
    <!-- 配置HDFS存储路径 -->
    <property>
        <name>hive.metastore.warehouse.dir</name>
        <value>hdfs://hadoop-master:9000/hive/warehouse&lt;/value&gt;
    &lt;/property&gt;
    <!-- 配置ZooKeeper地址（BoostKit优化版） -->
    <property>
        <name>hive.zookeeper.quorum</name>
        <value>zk-node1,zk-node2,zk-node3&lt;/value&gt;
    &lt;/property&gt;
    <!-- 启用BoostKit优化参数 -->
    <property>
        <name>hive.boostkit.optimize.enabled</name>
        <value>true</value>
    </property>
    <property>
        <name>hive.boostkit.neon.optimize</name>
        <value>true</value>
    </property>
</configuration>
EOF

# 4. 初始化元数据（首次部署执行）
schematool -dbType mysql -initSchema

# 5. 启动Hive Metastore服务（后台运行）
nohup hive --service metastore &
# 启动Hive Server2服务（支持JDBC连接）
nohup hive --service hiveserver2 &

# 6. 验证Hive启动状态
jps # 查看RunJar进程（Metastore和HiveServer2）
netstat -tulnp | grep 10000 # 查看HiveServer2端口（默认10000）

# 1. 连接Hive客户端，执行基础操作
beeline -u jdbc:hive2://localhost:10000 -n root

# 2. 基础操作验证（创建数据库、表，插入并查询数据）
create database boostkit_hive_test;
use boostkit_hive_test;
create table student (id int, name string, age int) row format delimited fields terminated by ',';
insert into student values (1, 'Zhang San', 20), (2, 'Li Si', 22);
select * from student;
drop table student;
drop database boostkit_hive_test;
!quit # 退出客户端

# 3. 性能测试（测试大数据量查询性能，验证BoostKit优化效果）
# 准备测试数据（上传本地文件到HDFS）
hdfs dfs -put /opt/test_data.csv /hive/test/
# 连接Hive，创建测试表并加载数据
beeline -u jdbc:hive2://localhost:10000 -n root -e "create database if not exists performance_test; use performance_test; create table test_data (id int, content string) row format delimited fields terminated by ','; load data inpath '/hive/test/test_data.csv' into table test_data; select count(*) from test_data;"