目錄:
- 第一步:準備相關材料
-
第八步:Sqoop安裝部署(sqoop1)
第一步:準備相關材料
我是要在另一臺新服務器上搭建ESXi,部署了5個虛擬機,用 vSphere Client 管理。(注:如果選擇CD/DVD驅動器的時候,一直顯示正在連接,則需要重啓客戶端)
這裏我選用的是Cloudera公司的CDH版本,問題少一些,並且可以配套下載,避免遇到各種兼容問題。下載地址
- CentOS-7-x86_64-Minimal-1511 。這個版本功能一應俱全,卻不到1G
- OpenJDK 1.7
- hadoop-2.5.0-cdh5.3.6
- hbase-0.98.6-cdh5.3.6
- hive-0.13.1-cdh5.3.6
- zookeeper-3.4.5-cdh5.3.6
- sqoop-1.4.5-cdh5.3.6
- Xshell(方便敲命令)
- SecureFXPortable(方便從本地上傳文件到虛擬機)
注:提前預覽需要修改的相關文件
系統配置
- /etc/hostname
- /etc/hosts
- /etc/sysconfig/network-scripts/ifcfg-eno16777984
相關軟件全放到/opt目錄下,而且環境變量全在各自的安裝目錄配置文件中設定(也可以在~/.bashrc 中統一設置)
環境變量
- hadoop
- /opt/hadoop-xx/etc/hadoop/hadoop-env.sh
- /opt/hadoop-xx/etc/hadoop/yarn-env.sh
- /opt/hadoop-xx/etc/hadoop/mapred-env.sh
- hbase
- /opt/hbase-xx/conf/hbase-env.sh
- hive
- /opt/hive-xx/conf/hive-env.sh
- sqoop
- /opt/sqoop-xx/conf/sqoop-env.sh
配置文件
- hadoop
- /opt/hadoop-xx/etc/hadoop/slaves
- /opt/hadoop-xx/etc/hadoop/core-site.xml
- /opt/hadoop-xx/etc/hadoop/hdfs-site.xml
- /opt/hadoop-xx/etc/hadoop/mapred-site.xml
- /opt/hadoop-xx/etc/hadoop/yarn-site.xml
- hbase
- /opt/hbase-xx/conf/hbase-site.xml
- /opt/hbase-xx/conf/backup-masters
- /opt/hbase-xx/conf/regionservers
- zookeeper
- /opt/zookeeper-xx/conf/zoo.cfg
- 在指定的目錄 dataDir下 創建文件myid
- hive
- /opt/hive-xx/conf/hive-site.xml
- sqoop
- /opt/sqoop-xx/bin/configure-sqoop
第二步:虛擬機環境搭建
- 使用 vSphere Client 創建虛擬機並指定自己下載的CentOS文件,先不設置網絡,啓動。
- 用root用戶登錄,然後通過修改 /etc/sysconfig/network-scripts/ifcfg-enoxxxxxx 文件設置橋接模式網絡,具體參照 CentOS7網卡設置爲橋接模式靜態IP配置方法詳解
- 修改 /etc/hostname
- 修改 /etc/hosts
192.168.0.155 NameNode1 192.168.0.156 NameNode2 192.168.0.157 DataNode1 192.168.0.158 DataNode2 192.168.0.159 DataNode3 127.0.0.1 localhost #這個必須要有
節點配置圖
第三步:用戶信息
爲了以後的模塊化管理,打算hadoop,hbase,hive等等都單獨建用戶
因爲這5臺機器創建用戶,配置權限等的操作是一樣的,我們要不就是在五個機器上都敲一遍命令,要不就是在一臺機器上配完了再把文件複製過去,都比較繁瑣。
因爲我用的是Xshell,使用 【Alt + t , k】或者【工具】->【發送鍵輸入到所有會話】,這樣只要在一個會話中輸入命令,所有打開的會話都會執行,就像是同時在這5臺機器上敲命令一樣。
su #使用root用戶 useradd -m hadoop -s /bin/bash #用同樣方式創建hbase,hive,zookeeper,sqoop用戶 passwd hadoop #給用戶設置密碼 visudo #給用戶設定權限 :98 在98行新加hadoop的權限即可
接下來就是安裝SSH、配置SSH無密碼登陸
首先更新一下系統軟件
yum upgrade
設置本機公鑰、私鑰
cd ~/.ssh/ # 若沒有該目錄,請先執行一次 mkdir ~/.ssh
ssh-keygen -t rsa #一路回車
cat id_rsa.pub >> authorized_keys # 將公鑰加入服務器
chmod 600 ./authorized_keys # 修改文件權限
-----------------------------------如果是非root用戶,下面這一步必須要做----------------------------------------------------
chmod 700 ~/.ssh #修改文件夾權限 mkdir生成的文件夾默認是775,必須改成700;用ssh localhost生成的文件夾也可以
上面介紹的SSH免密登錄本機的,而我們的登錄關係是這樣的
所以 還要分別賦予公鑰
- 將NameNode1,NameNode2的公鑰分別加入對方的授權文件
- 將NameNode1的公鑰分別加入DataNode1,DataNode2,DataNode3的授權文件
- 將NameNode2的公鑰分別加入DataNode1,DataNode2,DataNode3的授權文件
- 更改這5個.ssh的文件夾以及authorized_keys的權限
第四步 安裝、配置Java環境
使用yum安裝java(每一臺虛擬機)
sudo yum install java-1.7.0-openjdk java-1.7.0-openjdk-devel
默認安裝路徑: /usr/lib/jvm/java-1.7.0-openjdk
然後在 /etc/environment 中保存JAVA_HOME變量
sudo vi /etc/environment
內容如下
第5步 Zookeeper安裝配置
- 在一臺機器解壓安裝zookeeper,並進入該安裝目錄
- 將conf/zoo_example.cfg 重命名爲 zoo.cfg
mv conf/zoo_example.cfg conf/zoo.cfg
- 編輯zoo.cfg內容
tickTime=2000 initLimit=10 syncLimit=5 dataDir=/home/hadoop/data/zookeeper dataLogDir=/home/hadoop/logs/zookeeper clientPort=2181 server.0=NameNode1:2888:3888 server.1=NameNode2:2888:3888 server.2=DataNode1:2888:3888 server.3=DataNode2:2888:3888 server.4=DataNode3:2888:3888
- 通過scp 將安裝包複製到其他機器
- 在每一個機器上的對應位置創建 dataDir和dataLogDir目錄,並將zoo.cfg文件中 server. 後面對應的數字寫入 dataDir下的myid文件。如 節點NameNode2就要這行一下命令
echo 1 > /home/hadoop/data/zookeeper/myid #因爲zoo.cfg文件中 NameNode2前面的數字是1 所以寫入1即可 #如果DataNode3的話就需要寫4
注:一定要創建這兩個目錄 否則報錯【ERROR [main:QuorumPeerMain@86] - Invalid config, exiting abnormally】
- 使用Zookeeper要注意各節點的時間一致性問題,需要做時間同步,這裏暫且同步一次。最好參考這篇CentOS7 中使用NTP進行時間同步
# sudo yum install ntpdate #如果沒有安裝ntpdate的話,需要先安裝 sudo ntpdate time.nist.gov
- 啓動服務
bin/zkServer.sh start
- 查看狀態 (注意:/etc/hosts中必須要有 127.0.0.1 與 localhost的映射,否則zk之間無法連接)
bin/zkServer.sh status
第6步 Hadoop安裝、配置
在/opt下面創建一個文件夾 software並更改用戶組
cd /opt sudo mkdir software sudo chown -R hadoop:hadoop software
然後所有大數據相關程序都放到這個文件夾中
- 在~/.bashrc 中定義 SOFTWARE_HOME
export SOFTWARE_HOME=/opt/software
- cd到Hadoop安裝目錄的配置目錄 /etc/hadoop 編輯hadoop-env.sh,定義HADOOP_HOME,HADOOP_PID_DIR,HADOOP_LOG_DIR
export HADOOP_HOME=/opt/hadoop/hadoop-2.5.0-cdh5.3.6 export HADOOP_PID_DIR=$SOFTWARE_HOME/data/hadoop/pid export HADOOP_LOG_DIR=$SOFTWARE_HOME/logs/hadoop
- 編輯yarn-env.sh 定義YARN_PID_DIR,YARN_LOG_DIR
export YARN_LOG_DIR=$SOFTWARE_HOME/logs/yarn export YARN_PID_DIR=$SOFTWARE_HOME/data/yarn
- 編輯 mapred-env.sh,定義PID和Log目錄
export HADOOP_MAPRED_LOG_DIR=$SOFTWARE_HOME/logs/mapred export HADOOP_MAPRED_PID_DIR=$SOFTWARE_HOME/data/mapred
- 編輯core-site.xml 這裏 命名空間的邏輯名稱使用 sardoop
<configuration> <property> <name>fs.defaultFS</name> <value>hdfs://sardoop</value> </property> <property> <name>hadoop.http.staticuser.user</name> <value>hadoop</value> </property> <property> <name>hadoop.proxyuser.hadoop.hosts</name> <value>*</value> </property> <property> <name>hadoop.proxyuser.hadoop.users</name> <value>hadoop</value> </property> <property> <name>fs.trash.interval</name> <value>4230</value> </property> <property> <name>io.file.buffer.size</name> <value>65536</value> </property> <property> <name>hadoop.tmp.dir</name> <value>/opt/software/hadoop-2.5.0-cdh5.3.6/tmp</value> </property> <property> <name>ha.zookeeper.quorum</name> <value>NameNode1,NameNode2,DataNode1,DataNode2,DataNode3</value> </property> </configuration>
- 編輯hdfs-site.xml。這裏對NameNode使用HA,NameNode ID使用 nn1,nn2 分別對應 NameNode1,NameNode2,使用三個DataNode做JournalNode。
<configuration> <property> <name>dfs.replication</name> <value>2</value> </property> <property> <name>dfs.nameservices</name> <value>sardoop</value> </property> <property> <name>dfs.ha.namenodes.sardoop</name> <value>nn1,nn2</value> </property> <property> <name>dfs.namenode.rpc-address.sardoop.nn1</name> <value>NameNode1:9820</value> </property> <property> <name>dfs.namenode.rpc-address.sardoop.nn2</name> <value>NameNode2:9820</value> </property> <property> <name>dfs.namenode.http-address.sardoop.nn1</name> <value>NameNode1:9870</value> </property> <property> <name>dfs.namenode.http-address.sardoop.nn2</name> <value>NameNode2:9870</value> </property> <property> <name>dfs.namenode.shared.edits.dir</name> <value> qjournal://DataNode1:8485;DataNode2:8485;DataNode3:8485/sardoop</value> </property> <property> <name>dfs.client.failover.proxy.provider.sardoop</name> <value> org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value> </property> <property> <name>dfs.ha.fencing.methods</name> <value>sshfence</value> </property> <property> <name>dfs.ha.fencing.ssh.private-key-files</name> <value>/home/hadoop/.ssh/id_rsa</value> </property> <property> <name>dfs.journalnode.edits.dir</name> <value>/opt/software/hadoop-2.5.0-cdh5.3.6/tmp/journal</value> </property> <property> <name>dfs.ha.automatic-failover.enabled</name> <value>true</value> </property> <property> <name>dfs.datanode.max.transfer.threads</name> <value>4096</value> </property>
<!--這裏必須要加上前綴 file:// 否則會出現警告 should be specified as a URI in configuration files.並無法啓動DataNode--> <property> <name>dfs.namenode.name.dir</name> <value>file:///opt/hdfsdata/namenode,file:///home/hadoop/data/hdfs/namenode</value> </property> <property> <name>dfs.datanode.data.dir</name> <value>file:///opt/hdfsdata/datanode,file:///home/hadoop/data/hdfs/datanode</value> </property> </configuration> - 編輯slaves文件
DataNode1 DataNode2 DataNode3
- 接下來就是啓動及初始化JournalNode、NameNode、DataNode,可對應這篇文章 Hadoop HA.
- 配置yarn-site.xml,使用HA
<configuration> <property> <name>yarn.resourcemanager.ha.enabled</name> <value>true</value> </property> <property> <name>yarn.resourcemanager.ha.rm-ids</name> <value>rm1,rm2</value> </property> <property> <name>yarn.resourcemanager.hostname.rm1</name> <value>NameNode1</value> </property> <property> <name>yarn.resourcemanager.hostname.rm2</name> <value>NameNode2</value> </property> <property> <name>yarn.resourcemanager.recovery.enabled</name> <value>true</value> </property> <property> <name>yarn.resourcemanager.cluster-id</name> <value>yarnha</value> </property> <property> <name>yarn.resourcemanager.store.class</name> <value>org.apache.hadoop.yarn.server.resourcemanager.recovery.ZKRMStateStore</value> </property> <property> <name>yarn.resourcemanager.zk-address</name> <value>NameNode1,NameNode2,DataNode1,DataNode2,DataNode3</value> </property> <property> <name>yarn.web-proxy.address</name> <value>NameNode2:9180</value> </property> <property> <name>yarn.nodemanager.aux-services</name> <value>mapreduce_shuffle</value> </property> <property> <name>yarn.nodemanager.vmem-check-enabled</name> <value>false</value> </property> <property> <name>yarn.nodemanager.vmem-pmem-ratio</name> <value>4</value> </property> </configuration>
- 配置mapred-site.xml
<configuration> <property> <name>mapreduce.framework.name</name> <value>yarn</value> </property> <property> <name>mapreduce.jobhistory.address</name> <value>NameNode1:10020</value> </property> <property> <name>mapreduce.jobhistory.webapp.address</name> <value>NameNode1:19888</value> </property> </configuration>
- 退出Hadoop安全模式
bin/hdfs dfsadmin -safemode leave
檢查HDFS
-
bin/hdfs fsck / -files -blocks
第七步:HBase安裝部署
- 安裝並進入安裝目錄
- 編輯 conf/backup-masters
NameNode2
- 編輯 conf/hbase-env.sh
#主要修改這三項 export HBASE_PID_DIR=${HOME}/data/hbase export HBASE_MANAGES_ZK=false export HBASE_LOG_DIR=${HOME}/logs/hbase
- 編輯 conf/hbase-site.xml
<configuration> <property> <name>hbase.cluster.distributed</name> <value>true</value> </property> <property> <name>hbase.rootdir</name> <!--這裏應該是要使用nameservice的,但是用了之後IP解析不正確,只能暫時換成HostName;還要注意一點 這裏的必須使用當前處於Active的NameNode--> <!--HBase如果要做HA,這裏以後必須要改成Nameservice,否則NameNode發生變化的時候還要手動修改Hbase配置--> <value>hdfs://NameNode1:9820/hbase</value> <!--<value>hdfs://sardoop/hbase</value>--> </property> <property> <name>hbase.zookeeper.quorum</name> <value>NameNode1,NameNode2,DataNode1,DataNode2,DataNode3</value> </property> <property> <name>hbase.zookeeper.property.dataDir</name> <value>/home/hadoop/data/zookeeper</value> </property> </configuration>
- 編輯 conf/regionservers
NameNode2 DataNode1 DataNode2 DataNode3
注意:有時候啓動HBase的時候會出現【org.apache.Hadoop.hbase.TableExistsException: hbase:namespace】
或者什麼【Znode already exists】相關的問題,一般都是因爲之前的HBase信息已經在Zookeeper目錄下已經存在引起的。
解決方法:
- 登錄到zookeeper節點的機器上
- cd ${ZOOKEEPER_HOME}/bin
- bin/zkCli.sh
- ls / 可以查看到zookeeper上已有hbase目錄
- rmr /hbase #刪除該目錄
- 最後重新啓動hbase即可
有時候用java調用hbase時,會發生訪問hbase時雖然沒有報錯,但是一直沒有響應。
解決方式:
在程序調用的機器中的hosts文件,添加hbase所在節點的hosts信息
第八步:Sqoop安裝部署(Sqoop1)
通過sqoop我們可以實現RDMS與hadoop生態產品 如hdfs、hive、hbase(單向)的數據導入導出。
在導入的過程中 我們可以指定mapper的數量,甚至是壓縮的方式。目前有sqoop1和sqoop2兩個大版本,且差異較大。Sqoop1與Sqoop2的相關功能支持程度
- 下載,解壓,cd到安裝目錄
- 將 conf/sqoop-env-template.sh 重命名爲 conf/sqoop-env.sh
- 編輯 conf/sqoop-env.sh
#Set path to where bin/hadoop is available export HADOOP_COMMON_HOME=/opt/software/hadoop-2.5.0-cdh5.3.6 #Set path to where hadoop-*-core.jar is available export HADOOP_MAPRED_HOME=/opt/software/hadoop-2.5.0-cdh5.3.6 #set the path to where bin/hbase is available export HBASE_HOME=/opt/software/hbase-0.98.6-cdh5.3.6 #Set the path to where bin/hive is available export HIVE_HOME=/opt/software/hive-0.13.1-cdh5.3.6 #Set the path for where zookeper config dir is (如果有獨立的ZooKeeper集羣,才需要配置這個) export ZOOCFGDIR=/opt/software/zookeeper-3.4.5-cdh5.3.6/
- 編輯 bin/configure-sqoop,註釋掉HCAT_HOME、ACCUMULO_HOME(如果沒有用到這些Hadoop組件的話),差不多在文件的中間位置,130行左右
- 把mysql jdbc和sqlserver jdbc都放到 lib 下,同時拷貝到所有虛擬機的hadoop安裝目錄 $HADOOP_HOME/share/hadoop/common/lib。可使用下面的腳本
cp mysql-connector-java-5.1.40-bin.jar /opt/software/sqoop-1.4.5-cdh5.3.6/lib/ --複製到所有虛擬機的Hadoop目錄 cp mysql-connector-java-5.1.40-bin.jar /opt/software/hadoop-2.5.0-cdh5.3.6/share/hadoop/common/lib/ scp mysql-connector-java-5.1.40-bin.jar hadoop@NameNode2:/opt/software/hadoop-2.5.0-cdh5.3.6/share/hadoop/common/lib/ scp mysql-connector-java-5.1.40-bin.jar hadoop@DataNode1:/opt/software/hadoop-2.5.0-cdh5.3.6/share/hadoop/common/lib/ scp mysql-connector-java-5.1.40-bin.jar hadoop@DataNode2:/opt/software/hadoop-2.5.0-cdh5.3.6/share/hadoop/common/lib/ scp mysql-connector-java-5.1.40-bin.jar hadoop@DataNode3:/opt/software/hadoop-2.5.0-cdh5.3.6/share/hadoop/common/lib/ cp sqljdbc4.jar /opt/software/sqoop-1.4.5-cdh5.3.6/lib/ cp sqljdbc4.jar /opt/software/hadoop-2.5.0-cdh5.3.6/share/hadoop/common/lib/ scp sqljdbc4.jar hadoop@NameNode2:/opt/software/hadoop-2.5.0-cdh5.3.6/share/hadoop/common/lib/ scp sqljdbc4.jar hadoop@DataNode1:/opt/software/hadoop-2.5.0-cdh5.3.6/share/hadoop/common/lib/ scp sqljdbc4.jar hadoop@DataNode2:/opt/software/hadoop-2.5.0-cdh5.3.6/share/hadoop/common/lib/ scp sqljdbc4.jar hadoop@DataNode3:/opt/software/hadoop-2.5.0-cdh5.3.6/share/hadoop/common/lib/
- 檢測安裝狀況,如下圖所示,則安裝配置都沒問題了
bin/sqoop help
- 使用 注:MSSqlServer與MySql的區別只在於連接信息上
** 查看sqlserver數據庫列表 bin/sqoop list-databases --connect 'jdbc:sqlserver://192.168.0.154:1433;username=sa;password=123'
** 查看數據庫表
bin/sqoop list-tables --connect 'jdbc:mysql://192.168.0.154:3306/Test' --username sa --password 123
** 直接導表數據到HBase
bin/sqoop import --connect 'jdbc:sqlserver://192.168.0.154:1433;username=sa;password=123;database=Test' --table Cities --split-by Id
--hbase-table sqoop_Cities --column-family c --hbase-create-table --hbase-row-key Id
**用sql語句導入(如果使用了query的形式,則必須要在sql後面加上 $CONDITIONS)
bin/sqoop import --connect 'jdbc:sqlserver://192.168.0.154:1433;username=sa;password=123;database=Test'\--query 'SELECT a.*, b.* FROM a JOIN b on (a.id == b.id) WHERE id>10 AND $CONDITIONS' -m 1\
--split-by Id --hbase-table sqoop_Cities --column-family c --hbase-create-table --hbase-row-key Id
** 導入HDFS(因爲這是通過Mapper處理的,所有這個目標路徑必須不存在)
./sqoop import --connect 'jdbc:sqlserver://192.168.0.154:1433;username=sa;password=123;database=Test' --table Cities --target-dir /input/Cities
** 從hdfs到處到mysql
bin/sqoop export --connect jdbc:mysql://NameNode1:3306/test --username root --password 123
--table loghour --m 2 --export-dir /tmp/loghour/ --input-fields-terminated-by '\t'
注:
- sqoop2 不支持從sqlserver導入數據,且sqoop1與sqoop2在配置和使用上有很大區別
- Sqoop1是無法從hbase/hive導出到mysql的,實現方式也都是通過hive將數據輸出到文件 然後再用sqoop導出到mysql
- Sqoop2從1.99.6開始通過KiteConnector的方式在一定程度上支持了HBase的讀寫-->文章傳送門
- Sqoop2 搭建及使用
第九步:Hive安裝部署
- 安裝MySql
- 在mysql命令行設置hive對應的數據庫,用戶及密碼 hive,123,並設置權限;
create database hive; grant all on hive*.* to hive@'%' identified by 'hive'; flush privileges;
- cd到hive安裝目錄
#爲了操作方便,可以選擇創建軟鏈接(非必須) ln -s hive-0.13.1-cdh5.3.6 hive
- 將conf下面的模板文件改名成正式文件
hive-default.xml.template --> hive-site.xml hive-log4j.properties.template --> hive-log4j.properties hive-exec-log4j.properties.template --> hive-exec-log4j.properties hive-env.sh.template --> hive-env.sh
- 修改 conf/hive-env.sh,主要是設置 HADOOP_HOME
# Set HADOOP_HOME to point to a specific hadoop install directory HADOOP_HOME=/opt/software/hadoop-2.5.0-cdh5.3.6/ # Hive Configuration Directory can be controlled by: export HIVE_CONF_DIR=/opt/software/hive-0.13.1-cdh5.3.6/conf/ # Folder containing extra ibraries required for hive compilation/execution can be controlled by: export HIVE_AUX_JARS_PATH=/opt/software/hive-0.13.1-cdh5.3.6/lib/
- 修改 conf/hive-site.xml。這個版本的文件有一個錯誤的地方,在2784行少了一個起始標籤 <property>。下面修改的配置是設定了元數據的存儲方式,如果不做修改的話就會使用自帶的derby作爲數據庫
<property> <name>javax.jdo.option.ConnectionURL</name> <value>jdbc:mysql://NameNode1:3306/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>123</value> <description>password to use against metastore database</description> </property> <!--用於遠程連接--> <property> <name>hive.metastore.uris</name> <value>thrift://127.0.0.1:9083</value> </property> <!--這個參數用於啓動hiveserver2,默認值存在bug 後續版本已修復--> <property> <name>hive.server2.long.polling.timeout</name> <value>5000ms</value> <description>Time in milliseconds that HiveServer2 will wait, before responding to asynchronous calls that use long polling</description> </property>
<!--hive需要用到的包--> <property> <name>hive.aux.jars.path</name> <value>file:///opt/software/hive/lib/hive-hbase-handler-0.13.1-cdh5.3.6.jar,file:///opt/software/hive/lib/zookeeper-3.4.5-cdh5.3.6.jar,file:///opt/software/hive/lib/hbase-client-0.98.6-cdh5.3.6.jar</value> </property> - 在hdfs上面,創建目錄
$HADOOP_HOME/bin/hadoop fs -mkdir /tmp $HADOOP_HOME/bin/hadoop fs -mkdir /user/hive/warehouse $HADOOP_HOME/bin/hadoop fs -chmod g+w /tmp $HADOOP_HOME/bin/hadoop fs -chmod g+w /user/hive/warehouse
- 啓動metastore服務
bin/hive --service metastore & #後面的&是用來讓hive服務在後臺運行,沒有&的話 關掉服務所在的ssh連接時,服務也會stop
#啓動成功後,敲任意鍵回到shell命令輸入模式,然後輸入exit退出即可(通過命令而不是直接關閉客戶端)
# bin/hive --service hiveserver & #這個命令啓動的服務用於java的api調用。如果沒有這個需求則不需要執行該命令 - 啓動成功後,會多一個RunJar進程,現在就可以使用Hive Cli了
- 如果想啓用遠程模式的話需要啓動hive metastore服務。有個前提條件是 jps顯示的進程中不能有RunJar,有的話Kill掉。否則會出現【Could not create ServerSocket on address 0.0.0.0/0.0.0.0:9083】
其他:
①hive命令的調用有3種方式:
- 多語句執行
./hive –f ./hive-script.sql
- 單行語句
./hive -e 'select * from table'
- 交互模式 執行./hive 即可
②UDF的創建
- 首先要自定義UDF類
package com.sarnath.jobtask.hive.udf; import org.apache.hadoop.hive.ql.exec.Description; import org.apache.hadoop.hive.ql.exec.UDF;; /** * 將時間字符串轉換成所在的5分鐘區間 * * @author Zhanglei 2016年12月2日 */ @Description(name = "get5minTimeZone", value = "FUNC<time> - cast string to 5min timezone?") public class get5minTimeZone extends UDF { public long evaluate(long time) { long minTotal = time/60;//總分鐘數 long timeValue = minTotal*60;// 時間值 /* * 精確到秒的時間 + 5秒 - 秒位數值與5的餘數 */ return timeValue + 5 * 60 - timeValue % (5 * 60); } }
- 將項目打包並放到HDFS上某路徑下 如 /user/hadoop/hiveUDF/udftest.jar
- 在hive中執行創建命令
#如果已存在 要先刪除 #drop function get5minTimeZone; create function get5minTimeZone as 'com.sarnath.jobtask.hive.udf.logTimeConvert' using jar 'hdfs:///user/hadoop/hiveUDF/jobtask.jar';
③相關command
- 創建表 後面的棕色文字是指定從文件load數據的時候的字段間的分隔符
create table logdetail(proxyip string,origin string) row format delimited fields terminated by ';';
- 分區 hive的分區可對大量數據的操作提升很大效率,一個分區就是一個文件夾
- 創建分區
create table logdetail(proxyip string ,origin string) partitioned by(logdate string);
- 展示表的所有分區
show partitions tablename;
- 創建分區
- 從文件load數據到hive.如果不加 local 則是hdfs上的文件
load data [local] inpath '/opt/software/log/log2016_12_15.log' overwrite into table logdetail;
- 創建hive與hbase的關聯表(STORED BY前面的是hive中的表結構;mapping=後面的字符串表示hbase中對應的字段;:key表示rowkey;hbaseloghour是hbase的表名)
CREATE TABLE log(time string,total int) STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
WITH SERDEPROPERTIES ("hbase.columns.mapping" = ":key,f:total") TBLPROPERTIES ("hbase.table.name" = "hbaseloghour");
參考:
其他
附:
① 批處理執行腳本(當前節點爲NameNode1)
重新格式化時,需要刪除數據的腳本
echo --remove hdfs data rm -rf /opt/hdfsdata/datanode/* rm -rf /opt/hdfsdata/namenode/* rm -rf /home/hadoop/data/hdfs/namenode/* rm -rf /home/hadoop/data/hdfs/datanode/* ssh NameNode2 'rm -rf /opt/hdfsdata/datanode/*' ssh NameNode2 'rm -rf /opt/hdfsdata/namenode/*' ssh NameNode2 'rm -rf /home/hadoop/data/hdfs/namenode/*' ssh NameNode2 'rm -rf /home/hadoop/data/hdfs/datanode/*' ssh DataNode1 'rm -rf /opt/hdfsdata/datanode/*' ssh DataNode1 'rm -rf /opt/hdfsdata/namenode/*' ssh DataNode1 'rm -rf /home/hadoop/data/hdfs/namenode/*' ssh DataNode1 'rm -rf /home/hadoop/data/hdfs/datanode/*' ssh DataNode2 'rm -rf /opt/hdfsdata/datanode/*' ssh DataNode2 'rm -rf /opt/hdfsdata/namenode/*' ssh DataNode2 'rm -rf /home/hadoop/data/hdfs/namenode/*' ssh DataNode2 'rm -rf /home/hadoop/data/hdfs/datanode/*' ssh DataNode3 'rm -rf /opt/hdfsdata/datanode/*' ssh DataNode3 'rm -rf /opt/hdfsdata/namenode/*' ssh DataNode3 'rm -rf /home/hadoop/data/hdfs/namenode/*' ssh DataNode3 'rm -rf /home/hadoop/data/hdfs/datanode/*' echo --remove zookeeper data rm -rf ~/data/zookeeper/version-2/* rm -rf ~/data/zookeeper/zookeeper_server.pid ssh NameNode2 'rm -rf ~/data/zookeeper/version-2/*' ssh NameNode2 'rm -rf ~/data/zookeeper/zookeeper_server.pid' ssh DataNode1 'rm -rf ~/data/zookeeper/version-2/*' ssh DataNode1 'rm -rf ~/data/zookeeper/zookeeper_server.pid' ssh DataNode2 'rm -rf ~/data/zookeeper/version-2/*' ssh DataNode2 'rm -rf ~/data/zookeeper/zookeeper_server.pid' ssh DataNode3 'rm -rf ~/data/zookeeper/version-2/*' ssh DataNode3 'rm -rf ~/data/zookeeper/zookeeper_server.pid' echo --remove hadoop logs rm -rf /opt/software/hadoop-2.5.0-cdh5.3.6/tmp rm -rf /home/hadoop/logs/hadoop ssh NameNode2 'rm -rf /opt/software/hadoop-2.5.0-cdh5.3.6/tmp' ssh NameNode2 'rm -rf /home/hadoop/logs/hadoop' ssh DataNode1 'rm -rf /opt/software/hadoop-2.5.0-cdh5.3.6/tmp' ssh DataNode1 'rm -rf /home/hadoop/logs/hadoop' ssh DataNode2 'rm -rf /opt/software/hadoop-2.5.0-cdh5.3.6/tmp' ssh DataNode2 'rm -rf /home/hadoop/logs/hadoop' ssh DataNode3 'rm -rf /opt/software/hadoop-2.5.0-cdh5.3.6/tmp' ssh DataNode3 'rm -rf /home/hadoop/logs/hadoop' echo --remove hbase logs rm -rf ~/logs/hbase/* ssh NameNode2 'rm -rf ~/logs/hbase/*' ssh DataNode1 'rm -rf ~/logs/hbase/*' ssh DataNode2 'rm -rf ~/logs/hbase/*' ssh DataNode3 'rm -rf ~/logs/hbase/*'
啓動過程的腳本
echo --start zookeeper /opt/software/zookeeper-3.4.5-cdh5.3.6/bin/zkServer.sh start ssh NameNode2 '/opt/software/zookeeper-3.4.5-cdh5.3.6/bin/zkServer.sh start' ssh DataNode1 '/opt/software/zookeeper-3.4.5-cdh5.3.6/bin/zkServer.sh start' ssh DataNode2 '/opt/software/zookeeper-3.4.5-cdh5.3.6/bin/zkServer.sh start' ssh DataNode3 '/opt/software/zookeeper-3.4.5-cdh5.3.6/bin/zkServer.sh start' echo --start journalnodes cluster ssh DataNode1 '/opt/software/hadoop-2.5.0-cdh5.3.6/sbin/hadoop-daemon.sh start journalnode' ssh DataNode2 '/opt/software/hadoop-2.5.0-cdh5.3.6/sbin/hadoop-daemon.sh start journalnode' ssh DataNode3 '/opt/software/hadoop-2.5.0-cdh5.3.6/sbin/hadoop-daemon.sh start journalnode' echo --format one namenode /opt/software/hadoop-2.5.0-cdh5.3.6/bin/hdfs namenode -format /opt/software/hadoop-2.5.0-cdh5.3.6/sbin/hadoop-daemon.sh start namenode echo --format another namenode ssh NameNode2 '/opt/software/hadoop-2.5.0-cdh5.3.6/bin/hdfs namenode -bootstrapStandby' sleep 10 ssh NameNode2 '/opt/software/hadoop-2.5.0-cdh5.3.6/sbin/hadoop-daemon.sh start namenode' sleep 10 #echo --start all datanodes /opt/software/hadoop-2.5.0-cdh5.3.6/sbin/hadoop-daemons.sh start datanode echo --zookeeper init /opt/software/hadoop-2.5.0-cdh5.3.6/bin/hdfs zkfc -formatZK echo --start hdfs /opt/software/hadoop-2.5.0-cdh5.3.6/sbin/start-dfs.sh echo --start yarn /opt/software/hadoop-2.5.0-cdh5.3.6/sbin/start-yarn.sh ssh NameNode2 '/opt/software/hadoop-2.5.0-cdh5.3.6/sbin/yarn-daemon.sh start resourcemanager' /opt/software/hadoop-2.5.0-cdh5.3.6/sbin/mr-jobhistory-daemon.sh start historyserver /opt/software/hadoop-2.5.0-cdh5.3.6/sbin/yarn-daemon.sh start proxyserver
③用MapReduce操作HBase
默認情況下,在MapReduce中操作HBase的時候 會出現各種 java.lang.NoClassDefFoundError 問題,這是因爲沒有提供相關jar包。解決方法:
- 把$HBASE_HOME/lib 裏的所有jar包都拷貝到 $HADOOP_HOME/share/common/lib 下面
- 把$HBASE_HOME/conf/hbase-site.xml 拷貝到 $HADOOP_HOME/conf 下面
- 所有節點都執行以上操作(不需要重啓hadoop)
HBase官網文檔中的路徑是錯誤的,把jar包放到lib下面是沒有用的
④hdfs相關命令
//刷新節點 $HADOOP_HOME/bin/hadoop dfsadmin -refreshNodes //查看目錄大小 hadoop dfs -count -q <dir> //查看目錄下子目錄大小 hadoop dfs -du <dir>