DataGrip连接Hive、Impala数据源

概述

最近在负责一款数据产品，因调试需要，得经常执行impala查询SQL。公司内部维护有一个Hive/Impala查询平台，本来可以使用多账户登录此查询平台：一个是自己的域账户，当然权限非常有限，很多表不可查询；另一个是report账户，相当于管理员账户。这肯定非常不安全，无论是从安全，还是数据资产等维度来讲。

故而，最近该查询平台增加登录验证码功能。即，根据域账户，把随机数字发到域账户对应的企微账户上。这就相当于禁用report账户。

需求

于是给自己这么一个需求，或者叫问题：作为宇宙第一的数据可视化查询工具，DataGrip支持Hive/Impala数据源吗？

解决

Hive

使用的DataGrip 2021.2版本，不算太老。这个原生支持：

OK，常规的配置用户名，密码，连接串URL，以及驱动信息。因为程序代码里面使用如下hive-jdbc：

<dependency>
    <groupId>org.apache.hive</groupId>
    <artifactId>hive-jdbc</artifactId>
    <version>2.1.1-cdh6.2.1</version>
</dependency>

并且是可以成功连接到该Hive数据源的，故而配置驱动指向本地maven私服仓库：

结果报错，报错信息如下：

Driver class 'org.apache.hive.service.rpc.thrift.TCLIService$Iface' not found.

这是为啥？？

jar包里面没有这个类！！

通过jd-gui应用程序查看jar文件，确实没有此类。说明这个jar通过程序JDBC方式连接Hive数据源可以，但是通过DataGrip方式不行。

于是，考虑尝试使用DataGrip自带的自动下载驱动的功能，下载的驱动全都在此路径下面，C:\Users\awesome_me\AppData\Roaming\JetBrains\DataGrip2021.2\jdbc-drivers，至于我们现在配置的是hive数据源，故而具体路径是C:\Users\awesome_me\AppData\Roaming\JetBrains\DataGrip2021.2\jdbc-drivers\Hive\3.1.2。

点击Test Connection，结果报错，详细的报错信息：

[ 08S01] Could not open client transport with JDBC Uri: jdbc:hive2://111.222.333.444:10000/edw: Could not establish connection to jdbc:hive2://111.222.333.444:10000/edw: Required field 'client_protocol' is unset! Struct:TOpenSessionReq(client_protocol:null, configuration:{set:hiveconf:hive.server2.thrift.resultset.default.fetch.size=1000, use:database=edw})
org.apache.hive.org.apache.thrift.TApplicationException: Required field 'client_protocol' is unset! Struct:TOpenSessionReq(client_protocol:null, configuration:{set:hiveconf:hive.server2.thrift.resultset.default.fetch.size=1000, use:database=edw}).

参考：required-field-client-protocol-is-unset，意思是连接的Hive数据源版本太低，而我们使用的驱动版本太高。

解决方法只能是降低驱动版本，如果不知道数据源的Server版本，则需要联系数仓同事获取版本，或者一个个版本尝试。major.minor.fix，即 主版本号.次版本号.修订版本号，先尝试主版本号，其次是次版本号。

于是下载跟hive server版本适配的驱动，从maven：hive-jdbc下载即可:

还是不对？？报错信息依旧是：

Driver class 'org.apache.hive.service.rpc.thrift.TCLIService$Iface' not found.

等等，仔细看，发现DataGrip下载的文件，上面给出目录，是hive-jdbc-3.1.2-standalone.jar，带有standalone，并且文件非常大，将近70M。意思是这个jar里面有Hadoop或者Hive依赖的其他组件。

OK，那我们也去下载standalone文件。

在上面的截图，我们看到有个View All：

点进去，可以找到standalone文件的下载地址。

于是下载得到hive-jdbc-2.1.1-standalone.jar文件，更新驱动jar包，再次尝试，结果还是失败，详细的报错信息如下：

Driver class 'org.apache.hadoop.conf.Configuration' not found.

什么鬼？？？连个数据源而已！！！

几番折腾，才想到在Maven配置hive版本号里面，使用的CDH分发包Hadoop集群，得去这个里面找驱动包的下载地址：

即cloudera-hive

终于成功！！！

结论

前面多是废话，很多折腾和尝试。总结起来需要满足3点：

1. 版本号，与Server端的版本号适配，至少相差不能太大；
2. 需要使用standalone文件；
3. 需要根据Server端，即集群的分发方式来选择，一般都是CDH。

Impala

DataGrip虽然不原生支持连接Impala数据源，但简单调研，参考文章Impala可视化工具DataGrip，就知道可通过如下方式实现连接。
首先，需要创建一个Driver：

Impala JDBC驱动下载地址，添加此文件，DataGrip会自动扫码此jar包里面的所有继承官方JDBC驱动，即java.sql.Driver的类，然后从右侧的下拉列表选择com.cloudera.impala.jdbc41.Driver。

然后，就可以像添加其他数据源一样添加Impala数据源。

上面提到的参考文章说，URL的格式为：jdbc:impala://197.255.20.215:21050/，端口我21050。

但是很不幸，连接失败，报错信息如下：

[HY000][500164] [Cloudera][ImpalaJDBCDriver](500164) Error initialized or created transport for authentication: java.net.ConnectException: Connection timed out: connect.
[Cloudera][ImpalaJDBCDriver](500164) Error initialized or created transport for authentication: java.net.ConnectException: Connection timed out: connect.

报错信息跟认证和超时相关。说明这个驱动jar程序是没有问题的。但是这个报错咋解决？

网上也找不到可行的解决方案。

https://community.cloudera.com/t5/Support-Questions/Proper-jdbc-connection-string-to-connect-to-impala-with/m-p/42261

转而想到，impala本质上还是hive，那为何不考虑通过hive的方式连接Impala数据源呢？

需要注意的是，hive的端口是10000，impala的端口是25005。

参考