參考：http://ihoge.cn/2018/HiveSpark.html

一、Hive安裝

1.Hive簡介

? Hive是Facebook開發的構建于Hadoop集群之上的數據倉庫應用，可以將結構化的數據文件映射為一張數據庫表，并提供完整的SQL查詢功能，可以將SQL語句轉換為MapReduce任務進行運行。

? Hive是一個可以提供有效的、合理的且直觀的組織和使用數據的模型，即使對于經驗豐富的Java開發工程師來說，將這些常見的數據運算對應到底層的MapReduce Java API也是令人敬畏的。Hive可以幫用戶做這些工作，用戶就可以集中精力關注查詢本身了。Hive可以將大多數的查詢轉換為MapReduce任務。Hive最適合于數據倉庫應用程序，使用該應用程序進行相關的靜態數據分析，不需要快速響應給出結果，而且數據本身也不會頻繁變化。

? Hive不是一個完整的數據庫。Hadoop以及HDFS的設計本身約束和局限性限制了Hive所能勝任的工作。最大的限制就是Hive不支持記錄級別的更新、插入或者刪除。用戶可以通過查詢生成新表或將查詢結果導入到文件中去。因為，Hadoop是一個面向批處理的系統，而MapReduce啟動任務啟動過程需要消耗很長時間，所以Hive延時也比較長。Hive還不支持事務。因此，Hive不支持聯機事務處理（OLTP），更接近于一個聯機分析技術（OLAP）工具，但是，目前還沒有滿足“聯機”部分。

? Hive提供了一系列的工具，可以用來進行數據提取轉化加載(ETL)，其中，ETL是一種可以存儲、查詢和分析存儲在Hadoop中的大規模數據的機制。因此，Hive是最適合數據倉庫應用程序的，它可以維護海量數據，而且可以對數據進行挖掘，然后形成意見和報告等。

? 因為大多數的數據倉庫應用程序是基于SQL的關系數據庫現實的，所以，Hive降低了將這些應用程序移植到Hadoop上的障礙。如果用戶懂得SQL，那么學習使用Hive會很容易。因為Hive定義了簡單的類SQL 查詢語言——HiveQL，這里值得一提的是，與SQLServer、Oracle相比，HiveQL和MySQL提供的SQL語言更接近。同樣的，相對于其他的Hadoop語言和工具來說，Hive也使得開發者將基于SQL的應用程序移植到Hadoop變得更加容易。

2.Hive安裝

? 接下來，開始Hive的安裝，安裝Hive之前，首先需要裝好Hadoop和Spark。在Hive官網可下載最新版本Hive，并且能夠查閱版本改動說明，本次課程采用1.2.2版本進行安裝。可以采用WinSCP傳輸apache-hive-1.2.2-bin.tar至虛擬機“下載”文件夾中，再進行后續安裝。

cd ~/下載 # 進入下載文件夾 sudo tar -zxf apache-hive-1.2.2-bin.tar.gz -C /usr/local # 安裝至/usr/local文件夾內 cd /usr/local # 進入/usr/local文件夾 sudo mv ./apache-hive-1.2.2-bin/ ./hive # 更名為hive sudo chown -R hadoop ./hive # 修改hive權限 mkdir -p /usr/local/hive/warehouse # 創建元數據存儲文件夾 sudo chmod a+rwx /usr/local/hive/warehouse # 修改文件權限

然后添加Hive安裝路徑至系統環境變量

vim ~/.profile

添加下述路徑

#Hive export HIVE_HOME=/usr/local/hive export PATH=$PATH:$HIVE_HOME/bin

并使之生效

source ~/.profile

修改hive讀取spark的jar包地址

cd /usr/local/hive/bin vim hive

修改為

# add Spark assembly jar to the classpath if [[ -n "$SPARK_HOME" ]] thensparkAssemblyPath=`ls ${SPARK_HOME}/jars/*.jar`CLASSPATH="${CLASSPATH}:${sparkAssemblyPath}" fi

然后采用hive默認配置

cd /usr/local/hive/conf cp hive-default.xml.template hive-default.xml

嘗試啟動Hive，此時啟動是以本地模式進行啟動，能正常啟動則說明安裝成功。

start-all.sh hive

? 若出現jline等jar包錯誤，則需要進入到hadoop安裝目錄下的share/hadoop/yarn/lib下刪除jline-0.9.94.jar文件，再啟動hive即可（因為高版本的Hadoop對Hive有捆綁）。

cd /usr/local/hadoop/share/hadoop/yarn/lib rm -rf jline-0.9.94.jar

3. Hive的基本配置

? 在安裝Hive時，默認情況下，元數據存儲在Derby數據庫中。Derby是一個完全用Java編寫的數據庫，所以可以跨平臺，但需要在JVM中運行 。因為多用戶和系統可能需要并發訪問元數據存儲，所以默認的內置數據庫并不適用于生產環境。任何一個適用于JDBC進行連接的數據庫都可用作元數據庫存儲，這里我們把MySQL作為存儲元數據的數據庫。接下來，我們分別對這兩種方式進行介紹，即使用Derby數據庫的方式和使用MySQL數據庫的方式。

3.1 使用Derby作為元數據庫

? 本地模式中，用戶的“表”等元數據信息，都默認存儲在file://user/hive/warehouse，對于其他模式默認存儲路徑是hdfs://namenode_server/user/hive/warehouse。使用如下命令編輯hive-site.xml文件：

vim /usr/local/hive/conf/hive-site.xml

在hive-site.xml文件添加以下內容：

<?xml version="1.0" encoding="UTF-8" standalone="no"?> <?xml-stylesheet type="text/xsl" href="configuration.xsl"?> <configuration> <property><name>hive.metastore.warehouse.dir</name><value>/usr/local/hive/warehouse</value> <description>location of default database for the warehouse</description></property> <property><name>javax.jdo.option.ConnectionURL</name><value>jdbc:derby:;databaseName=/usr/local/hive/metastore_db;create=true</value> <description>JDBC connect string for a JDBC metastore</description></property> </configuration>

? 若要以偽分布式模式和分布式模式配置Hive，只需根據Hadoop配置文件core-site.xml中fs.defaultFS的值對hive.metastore.warehouse.dir 進行相應修改即可。配置完成之后即可啟動Hive，然后嘗試使用HiveQL命令創建表。

hive show databases; create database if not exists derby; use derby; create table x(a int); select * from x; drop table x; exit;

3.2 使用MySQL作為元數據庫

3.2.1 安裝MySQL

首先，查看并卸載系統自帶的MySQL相關安裝包（或之前安裝過MySQL），命令如下：

sudo apt install rpm rpm -qa | grep mysql

若沒有安裝rpm工具，系統會有提示，按照提示安裝即可。接下來查看是否有系統自帶的MySQL相關安裝包，若有，按下面命令刪除：

sudo rpm -e --nodeps mysql-libs-xxxxxx

注：xxxxx是已經安裝的mysql的版本號，然后進行MySQL的安裝

sudo apt-get install mysql-server

安裝完成后，啟動設置MySQL服務

sudo service mysql start mysql -u root -p

當然，還可使用下列命令進行額外設置

sudo chkconfig mysql on # 設置開機自動啟動 sudo /usr/bin/mysqladmin -u root password '123' # 設置root用戶密碼

接下來，創建hive用戶及其數據庫等，用于存放Hive的元數據

sudo vi /etc/mysql/my.cnf 注釋掉：bind-address = 127.0.0.1create database hive; grant all on *.* to hive@localhost identified by 'hive'; flush privileges; exit;

切換hive用戶登陸

mysql -u hive -p hive show databases;

若能看到hive數據庫存在，則說明創建成功。

3.2.2 修改Hive配置

接下來，修改hive-site.xml文件

vim /usr/local/hive/conf/hive-site.xml

輸入下列信息

<?xml version="1.0" encoding="UTF-8" standalone="no"?> <?xml-stylesheet type="text/xsl" href="configuration.xsl"?> <configuration><property><name>javax.jdo.option.ConnectionURL</name><value>jdbc:mysql://localhost:3306/hive?createDatabaseIfNotExist=true</value><description>JDBC connect string for a JDBC metastore</description></property><property><name>javax.jdo.option.ConnectionDriverName</name><value>com.mysql.jdbc.Driver</value><description>Driver class name for a JDBC metastore</description></property><property><name>javax.jdo.option.ConnectionUserName</name><value>hive</value><description>username to use against metastore database</description></property><property><name>javax.jdo.option.ConnectionPassword</name><value>hive</value><description>password to use against metastore database</description></property> </configuration>

或者指定元數據文件夾

<?xml version="1.0" encoding="UTF-8" standalone="no"?> <?xml-stylesheet type="text/xsl" href="configuration.xsl"?> <configuration> <property><name>hive.metastore.warehouse.dir</name><value>/usr/local/hive/warehouse</value> <description>location of default database for the warehouse</description></property> <property><name>javax.jdo.option.ConnectionURL</name><value>jdbc:mysql://localhost:3306/hive;createDatebaseIfNotExist=true</value> <description>JDBC connect string for a JDBC metastore</description></property> <property><name>javax.jdo.option.ConnectionDriverName</name><value>com.mysql.jdbc.Driver</value><description>Driver class name for a JDBC metastore</description></property> <property> <name>javax.jdo.option.ConnectionPassword </name> <value>hive</value> </property> <property><name>javax.jdo.option.ConnectionUserName</name><value>hive</value><description>Username to use against metastore database</description></property> </configuration>

然后將JDBC文件放到hive的lib文件夾內，JDBC包的下載參考前述部分

cd ~/下載 cp mysql-connector-java-5.1.26-bin.jar /usr/local/hive/lib mkdir -p /usr/local/hive/tmp sudo chmod a+rwx /usr/local/hive/tmp

也可從官網直接下載最新版jdbc

wget https://dev.mysql.com/get/Downloads/Connector-J/mysql-connector-java-5.1.45.tar.gz

然后進行解壓安裝。當然，如果之前刪除了jline-0.9.94.jar，此時需要把hive對應的jar包放進去

cp /usr/local/hive/lib/jline-2.12.jar /usr/local/hadoop/share/hadoop/yarn/lib

然后嘗試啟動hive

schematool -dbType mysql -initSchema start-all.sh hive

成啟動后，即可輸入hive –help查看hive常用命令。

二、Hive使用

1.Hive基本數據類型

首先，我們簡單敘述一下HiveQL的基本數據類型。

Hive支持基本數據類型和復雜類型, 基本數據類型主要有數值類型(INT、FLOAT、DOUBLE ) 、布爾型和字符串, 復雜類型有三種:ARRAY、MAP 和 STRUCT。

1.1 基本數據類型

• TINYINT: 1個字節
• SMALLINT: 2個字節
• INT: 4個字節
• BIGINT: 8個字節
• BOOLEAN: TRUE/FALSE
• FLOAT: 4個字節，單精度浮點型
• DOUBLE: 8個字節，雙精度浮點型STRING 字符串

1. 2 復雜數據類型

• ARRAY: 有序字段
• MAP: 無序字段
• STRUCT: 一組命名的字段

2.常用的HiveQL操作命令

? Hive常用的HiveQL操作命令主要包括：數據定義、數據操作。接下來詳細介紹一下這些命令即用法（想要了解更多請參照《Hive編程指南》一書）。

2.1 數據定義

主要用于創建修改和刪除數據庫、表、視圖、函數和索引。

• 創建、修改和刪除數據庫

  create database if not exists hive; #創建數據庫 show databases; #查看Hive中包含數據庫 show databases like 'h.*'; #查看Hive中以h開頭數據庫 describe databases; #查看hive數據庫位置等信息 alter database hive set dbproperties; #為hive設置鍵值對屬性 use hive; #切換到hive數據庫下 drop database if exists hive; #刪除不含表的數據庫 drop database if exists hive cascade; #刪除數據庫和它中的表

  注意，除 dbproperties屬性外，數據庫的元數據信息都是不可更改的，包括數據庫名和數據庫所在的目錄位置，沒有辦法刪除或重置數據庫屬性。

• 創建、修改和刪除表

  #創建內部表（管理表）create table if not exists hive.usr(name string comment 'username',pwd string comment 'password',address struct<street:string,city:string,state:string,zip:int>,comment 'home address',identify map<int,tinyint> comment 'number,sex') comment 'description of the table' tblproperties('creator'='me','time'='2016.1.1'); #創建外部表create external table if not exists usr2(name string,pwd string, address struct<street:string,city:string,state:string,zip:int>,identify map<int,tinyint>) row format delimited fields terminated by ','location '/usr/local/hive/warehouse/hive.db/usr'; #創建分區表create table if not exists usr3(name string,pwd string,address struct<street:string,city:string,state:string,zip:int>,identify map<int,tinyint>) partitioned by(city string,state string); #復制usr表的表模式 create table if not exists hive.usr1 like hive.usr; show tables in hive; show tables 'u.*'; #查看hive中以u開頭的表 describe hive.usr; #查看usr表相關信息 alter table usr rename to custom; #重命名表 #為表增加一個分區alter table usr2 add if not exists partition(city=”beijing”,state=”China”) location '/usr/local/hive/warehouse/usr2/China/beijing'; #修改分區路徑alter table usr2 partition(city=”beijing”,state=”China”)set location '/usr/local/hive/warehouse/usr2/CH/beijing';#刪除分區alter table usr2 drop if exists partition(city=”beijing”,state=”China”)#修改列信息alter table usr change column pwd password string after address; alter table usr add columns(hobby string); #增加列 alter table usr replace columns(uname string); #刪除替換列 alter table usr set tblproperties('creator'='liming'); #修改表屬性 alter table usr2 partition(city=”beijing”,state=”China”) #修改存儲屬性 set fileformat sequencefile; use hive; #切換到hive數據庫下 drop table if exists usr1; #刪除表 drop database if exists hive cascade; #刪除數據庫和它中的表

• 視圖和索引的創建、修改和刪除

  基本語法格式

  create view view_name as....; #創建視圖 alter view view_name set tblproperties(…); #修改視圖

  因為視圖是只讀的，所以 對于視圖只允許改變元數據中的 tblproperties屬性。

  #刪除視圖drop view if exists view_name;#創建索引create index index_name on table table_name(partition_name/column_name) as 'org.apache.hadoop.hive.ql.index.compact.CompactIndexHandler' with deferred rebuild....;

  這里’org.apache.hadoop.hive.ql.index.compact.CompactIndexHandler’是一個索引處理器，即一個實現了索引接口的Java類，另外Hive還有其他的索引實現。

  alter index index_name on table table_name partition(...) rebulid; #重建索引

  如果使用 deferred rebuild，那么新索引成空白狀態，任何時候可以進行第一次索引創建或重建。

  show formatted index on table_name; #顯示索引 drop index if exists index_name on table table_name; #刪除索引

2.2 數據操作

主要實現的是將數據裝載到表中（或是從表中導出），并進行相應查詢操作

• 向表中裝載數據

  create table if not exists hive.stu(id int,name string) row format delimited fields terminated by '\t'; create table if not exists hive.course(cid int,sid int) row format delimited fields terminated by '\t';

  向表中裝載數據有兩種方法：從文件中導入和通過查詢語句插入。

  • 從文件中導入

  假如這個表中的記錄存儲于文件stu.txt中，該文件的存儲路徑為usr/local/hadoop/examples/stu.txt，內容如下。

  1 Hello 2 World 3 CDA load data local inpath '/usr/local/hadoop/examples/stu.txt' overwrite into table stu;
  • 通過查詢語句插入

  使用如下命令，創建stu1表，它和stu表屬性相同，我們要把從stu表中查詢得到的數據插入到stu1中：

  create table stu1 as select id,name from stu;

  上面是創建表，并直接向新表插入數據；若表已經存在，向表中插入數據需執行以下命令：

  insert overwrite table stu1 select id,name from stu where（條件）;

  這里關鍵字overwrite的作用是替換掉表（或分區）中原有數據，換成into關鍵字，直接追加到原有內容后。

• 寫入臨時文件

  insert overwrite local directory '/usr/local/hadoop/tmp/stu' select id,name from stu;

• 查詢操作

  select id,name, case when id=1 then 'first' when id=2 then 'second' else 'third'

2.3 連接

? 連接（join）是將兩個表中在共同數據項上相互匹配的那些行合并起來, HiveQL 的連接分為內連接、左向外連接、右向外連接、全外連接和半連接 5 種。

• 內連接(等值連接)

  內連接使用比較運算符根據每個表共有的列的值匹配兩個表中的行。

  首先，我們先把以下內容插入到course表中（自行完成）。

1 3 2 1 3 1

? 下面, 查詢stu和course表中學號相同的所有行，命令如下：

select stu.*, course.* from stu join course on(stu .id=course .sid);

• 左連接

  ? 左連接的結果集包括“LEFT OUTER”子句中指定的左表的所有行, 而不僅僅是連接列所匹配的行。如果左表的某行在右表中沒有匹配行, 則在相關聯的結果集中右表的所有選擇列均為空值，命令如下：

select stu.*, course.* from stu left outer join course on(stu .id=course .sid);

• 右連接

  ? 右連接是左向外連接的反向連接,將返回右表的所有行。如果右表的某行在左表中沒有匹配行,則將為左表返回空值。命令如下：

select stu.*, course.* from stu right outer join course on(stu .id=course .sid);

• 全連接

  ? 全連接返回左表和右表中的所有行。當某行在另一表中沒有匹配行時,則另一個表的選擇列表包含空值。如果表之間有匹配行,則整個結果集包含基表的數據值。命令如下：

select stu.*, course.* from stu full outer join course on(stu .id=course .sid);

• 半連接

  ? 半連接是 Hive 所特有的, Hive 不支持 in 操作,但是擁有替代的方案; left semi join, 稱為半連接, 需要注意的是連接的表不能在查詢的列中,只能出現在 on 子句中。命令如下：

select stu.* from stu left semi join course on(stu .id=course .sid);

三、Spark與Hive集成

1.安裝Spark

? 為了讓Spark能夠訪問Hive，必須為Spark添加Hive支持。Spark官方提供的預編譯版本，通常是不包含Hive支持的，需要采用源碼編譯，編譯得到一個包含Hive支持的Spark版本。首先測試一下電腦上已經安裝的Spark版本是否支持Hive

spark-shell

這樣就啟動進入了spark-shell，然后輸入：

import org.apache.spark.sql.hive.HiveContext

如果報錯，則說明spark無法識別org.apache.spark.sql.hive.HiveContext，這時我們就需要采用源碼編譯方法得到支持hive的spark版本。

• 下載源碼文件

  ? 進入官網后，可以按照下圖配置選擇“2.1.0(Dec 28, 2016)”和“SourceCode”，然后，在圖中紅色方框內，有個“Download Spark: spark-2.1.0.tgz”的下載鏈接，點擊該鏈接就可以下載Spark源碼文件了。

• 編譯過程

  cd /home/hadoop/spark-2.0.2 ./dev/make-distribution.sh —tgz —name h27hive -Pyarn -Phadoop-2.7 -Dhadoop.version=2.7.1 -Phive -Phive-thriftserver -DskipTests

  或可選擇直接安裝已編譯好的版本，把下好的spark-2.0.2-bin-h27hive.tgz放到下載文件夾內

• Spark解壓安裝

  cd ~/下載 # 進入下載文件夾 sudo tar -zxf spark-2.0.2-bin-h27hive.tgz -C /usr/local # 安裝至/usr/local文件夾內 cd /usr/local # 進入/usr/local文件夾 sudo mv ./spark-1.4.0-bin-hadoop2.4/ ./spark # 更名為spark sudo chown -R hadoop ./spark # 修改sqoop權限

• 添加環境變量

  注，如果電腦上已經裝了另一個spark，此處可不增設環境變量

  vim ~/.profile

  添加spark安裝路徑

  #sparkexport SPARK_HOME=/usr/local/spark export PATH=$PATH:$SPARK_HOME/bin

  并保存修改

  source ~/.profile

• 修改Spark配置

  cd /usr/local/spark/conf # 進入spark配置文件夾 sudo cp spark-env.sh.template spark-env.sh # 復制spark-env臨時文件為配置文件 vim spark-env.sh # 編輯spark配置文件

  添加下述配置信息

  export SPARK_DIST_CLASSPATH=$(/usr/local/hadoop/bin/hadoop classpath)

  有了上面的配置信息以后，Spark就可以把數據存儲到Hadoop分布式文件系統HDFS中，也可以從HDFS中讀取數據。如果沒有配置上面信息，Spark就只能讀寫本地數據，無法讀寫HDFS數據。在偽分布式模式下僅測試是否安裝成功時，其他配置暫時可不做修改。

• 運行樣例程序

  cd /usr/local/spark bin/run-example SparkPi 2>&1 | grep "Pi is"

• 放置Hive配置文件

  為了讓Spark能夠訪問Hive，需要把Hive的配置文件hive-site.xml拷貝到Spark的conf目錄下

  cd /usr/local/spark/conf cp /usr/local/hive/conf/hive-site.xml . ll

• 測試是否集成成功

  spark-shell

  然后輸入

  import org.apache.spark.sql.hive.HiveContext

2.在Hive中創建數據庫和表

首先啟動MySQL數據庫：

service mysql start

? 由于Hive是基于Hadoop的數據倉庫，使用HiveQL語言撰寫的查詢語句，最終都會被Hive自動解析成MapReduce任務由Hadoop去具體執行，因此，需要啟動Hadoop，然后再啟動Hive。
然后執行以下命令啟動Hadoop：

start-all.sh

Hadoop啟動成功以后，可以再啟動Hive：

hive

然后在hive命令提示符內進行操作

create database if not exists sparktest; show databases;create table if not exists sparktest.student( > id int, > name string, > gender string, > age int); use sparktest; show tables; insert into student values(1,'Xueqian','F',23); insert into student values(2,'Weiliang','M',24); select * from student;

通過上面操作，我們就在Hive中創建了sparktest.student表，這個表有兩條數據。

3.連接Hive讀寫數據

? 現在我們看如何使用Spark讀寫Hive中的數據。注意，操作到這里之前，你一定已經按照前面的各個操作步驟，啟動了Hadoop、Hive、MySQL和spark-shell（包含Hive支持）。在進行編程之前，我們需要做一些準備工作，我們需要修改“/usr/local/sparkwithhive/conf/spark-env.sh”這個配置文件：

cd /usr/local/spark/conf/ vim spark-env.sh

這樣就使用vim編輯器打開了spark-env.sh這個文件，輸入下面內容：

export SPARK_DIST_CLASSPATH=$(/usr/local/hadoop/bin/hadoop classpath) export JAVA_HOME=/usr/lib/jvm/java-8-openjdk-amd64 export CLASSPATH=$CLASSPATH:/usr/local/hive/lib export SCALA_HOME=/usr/local/scala export HADOOP_CONF_DIR=/usr/local/hadoop/etc/hadoop export HIVE_CONF_DIR=/usr/local/hive/conf export SPARK_CLASSPATH=$SPARK_CLASSPATH:/usr/local/hive/lib/mysql-connector-java-5.1.26-bin.jar

保存并推出，然后啟動spark-shell

spark-shell

然后在shell界面中輸入

import org.apache.spark.sql.Row import org.apache.spark.sql.SparkSession case class Record(key: Int, value: String) val warehouseLocation = "spark-warehouse" val spark = SparkSession.builder().appName("Spark Hive Example").config("spark.sql.warehouse.dir", warehouseLocation).enableHiveSupport().getOrCreate() import spark.implicits._ import spark.sql sql("SELECT * FROM sparktest.student").show()

然后再開一個命令行界面，啟動hive界面，查看spark-shell中對hive表插入數據的結果

hive

然后輸入

use sparktest; select * from student;

然后在spark-shell中進行數據插入

import java.util.Properties import org.apache.spark.sql.types._ import org.apache.spark.sql.Row //下面我們設置兩條數據表示兩個學生信息 val studentRDD = spark.sparkContext.parallelize(Array("3 Rongcheng M 26","4 Guanhua M 27")).map(_.split(" ")) //下面要設置模式信息 val schema = StructType(List(StructField("id", IntegerType, true),StructField("name", StringType, true),StructField("gender", StringType, true),StructField("age", IntegerType, true))) //下面創建Row對象，每個Row對象都是rowRDD中的一行 val rowRDD = studentRDD.map(p => Row(p(0).toInt, p(1).trim, p(2).trim, p(3).toInt)) //建立起Row對象和模式之間的對應關系，也就是把數據和模式對應起來 val studentDF = spark.createDataFrame(rowRDD, schema) //查看studentDF studentDF.show() //下面注冊臨時表 studentDF.registerTempTable("tempTable") sql("insert into sparktest.student select * from tempTable")

然后切換到hive窗口，查看數據庫內容變化

select * from student;

能夠查詢到新增數據結果，則說明操作成功。

總結

以上是生活随笔為你收集整理的hive集成spark和mysql的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。