本地客户端 dbeaver-连接HIVE库

简介: 本地客户端 dbeaver-连接HIVE库 hive库管理套件

一、前言

我们日常开发过程中,各服务商总会提供各种在线网页版本的hive库管理套件。但开发人员还是习惯在本地远程操作数据库做日常的维护。
本篇文章主要讲述本地客户端 dbeaver-连接HIVE库,当然该工具支持市面上所有的数据库,其它数据库连接也类似。

二、dbeaver

本篇文章主要讲述本地客户端 dbeaver-连接HIVE库。

三、使用步骤

1.安装dbeaver-ce-21.0.5-x86_64-setup
2.选择连接类型
在这里插入图片描述

3.选择JDBC连接设置
在这里插入图片描述

主机:10.70.6x.xx

数据库/模式:fc

用户名/密码 填自己的账号密码

4.驱动安装
点击菜单“数据库->驱动管理”
在这里插入图片描述

选择编辑
在这里插入图片描述

 选择“库”

在这里插入图片描述

 点击“添加文件”选择驱动本地驱动文件,选完会出现在如图框中。确定即可。接下来就可以在左侧打开这个链接的数据库进行日常操作了。 

四、总结

   本篇文章主要讲述本地客户端 dbeaver-连接HIVE库,当然该工具还支持市面上所有的数据库,其它数据库连接也类似,对应其它数据库驱动可以去对应数据库官网下载对应驱动包,添加步骤与本文类型。

有需要该客户端 dbeaver软件,点击链接下载即可立马体验。

相关文章
|
3月前
|
SQL 存储 分布式计算
Hadoop-16-Hive HiveServer2 HS2 允许客户端远程执行HiveHQL HCatalog 集群规划 实机配置运行
Hadoop-16-Hive HiveServer2 HS2 允许客户端远程执行HiveHQL HCatalog 集群规划 实机配置运行
65 3
|
4月前
|
SQL 分布式计算 JavaScript
Hive的JOIN连接
Hive的JOIN连接
70 5
|
6月前
|
SQL 关系型数据库 MySQL
实时计算 Flink版产品使用问题之如何使用Flink SQL连接带有Kerberos认证的Hive
实时计算Flink版作为一种强大的流处理和批处理统一的计算框架,广泛应用于各种需要实时数据处理和分析的场景。实时计算Flink版通常结合SQL接口、DataStream API、以及与上下游数据源和存储系统的丰富连接器,提供了一套全面的解决方案,以应对各种实时计算需求。其低延迟、高吞吐、容错性强的特点,使其成为众多企业和组织实时数据处理首选的技术平台。以下是实时计算Flink版的一些典型使用合集。
|
8月前
|
SQL DataWorks 网络安全
DataWorks操作报错合集之DataWorks连接Hive数据库时出现连接超时的问题如何解决
DataWorks是阿里云提供的一站式大数据开发与治理平台,支持数据集成、数据开发、数据服务、数据质量管理、数据安全管理等全流程数据处理。在使用DataWorks过程中,可能会遇到各种操作报错。以下是一些常见的报错情况及其可能的原因和解决方法。
121 2
|
SQL 关系型数据库 MySQL
Mybatis-Plus(连接Hive)
Mybatis-Plus(连接Hive)
286 0
|
8月前
|
SQL 数据采集 数据挖掘
大数据行业应用之Hive数据分析航班线路相关的各项指标
大数据行业应用之Hive数据分析航班线路相关的各项指标
215 1
|
8月前
|
SQL 存储 大数据
【大数据技术Hadoop+Spark】Hive基础SQL语法DDL、DML、DQL讲解及演示(附SQL语句)
【大数据技术Hadoop+Spark】Hive基础SQL语法DDL、DML、DQL讲解及演示(附SQL语句)
287 0
|
8月前
|
SQL 分布式计算 数据库
【大数据技术Spark】Spark SQL操作Dataframe、读写MySQL、Hive数据库实战(附源码)
【大数据技术Spark】Spark SQL操作Dataframe、读写MySQL、Hive数据库实战(附源码)
329 0
|
3月前
|
SQL 分布式计算 Java
大数据-96 Spark 集群 SparkSQL Scala编写SQL操作SparkSQL的数据源:JSON、CSV、JDBC、Hive
大数据-96 Spark 集群 SparkSQL Scala编写SQL操作SparkSQL的数据源:JSON、CSV、JDBC、Hive
77 0
|
6月前
|
SQL 分布式计算 大数据
大数据处理平台Hive详解
【7月更文挑战第15天】Hive作为基于Hadoop的数据仓库工具,在大数据处理和分析领域发挥着重要作用。通过提供类SQL的查询语言,Hive降低了数据处理的门槛,使得具有SQL背景的开发者可以轻松地处理大规模数据。然而,Hive也存在查询延迟高、表达能力有限等缺点,需要在实际应用中根据具体场景和需求进行选择和优化。