目录：
- 第一步：准备相关材料
-
第八步：Sqoop安装部署(sqoop1)
第一步：准备相关材料
我是要在另一台新服务器上搭建ESXi，部署了5个虚拟机，用 vSphere Client 管理。(注：如果选择CD/DVD驱动器的时候，一直显示正在连接，则需要重启客户端)
这里我选用的是Cloudera公司的CDH版本，问题少一些，并且可以配套下载，避免遇到各种兼容问题。下载地址
- CentOS-7-x86_64-Minimal-1511 。这个版本功能一应俱全，却不到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(方便从本地上传文件到虚拟机)
注：提前预览需要修改的相关文件
系统配置
- /etc/hostname
- /etc/hosts
- /etc/sysconfig/network-scripts/ifcfg-eno16777984
相关软件全放到/opt目录下，而且环境变量全在各自的安装目录配置文件中设定(也可以在~/.bashrc 中统一设置)
环境变量
- 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
- 在指定的目录 dataDir下 创建文件myid
- hive
- /opt/hive-xx/conf/hive-site.xml
- sqoop
- /opt/sqoop-xx/bin/configure-sqoop
第二步：虚拟机环境搭建
- 使用 vSphere Client 创建虚拟机并指定自己下载的CentOS文件，先不设置网络，启动。
- 用root用户登录，然后通过修改 /etc/sysconfig/network-scripts/ifcfg-enoxxxxxx 文件设置桥接模式网络，具体参照 CentOS7网卡设置为桥接模式静态IP配置方法详解
- 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 #这个必须要有
节点配置图
第三步：用户信息
为了以后的模块化管理，打算hadoop，hbase，hive等等都单独建用户
因为这5台机器创建用户，配置权限等的操作是一样的，我们要不就是在五个机器上都敲一遍命令，要不就是在一台机器上配完了再把文件复制过去，都比较繁琐。
因为我用的是Xshell，使用 【Alt + t , k】或者【工具】->【发送键输入到所有会话】，这样只要在一个会话中输入命令，所有打开的会话都会执行，就像是同时在这5台机器上敲命令一样。
su #使用root用户 useradd -m hadoop -s /bin/bash #用同样方式创建hbase,hive,zookeeper,sqoop用户 passwd hadoop #给用户设置密码 visudo #给用户设定权限 :98 在98行新加hadoop的权限即可
接下来就是安装SSH、配置SSH无密码登陆
首先更新一下系统软件
yum upgrade
设置本机公钥、私钥
cd ~/.ssh/ # 若没有该目录，请先执行一次 mkdir ~/.ssh
ssh-keygen -t rsa #一路回车
cat id_rsa.pub >> authorized_keys # 将公钥加入服务器
chmod 600 ./authorized_keys # 修改文件权限
-----------------------------------如果是非root用户，下面这一步必须要做----------------------------------------------------
chmod 700 ~/.ssh #修改文件夹权限 mkdir生成的文件夹默认是775，必须改成700；用ssh localhost生成的文件夹也可以
上面介绍的SSH免密登录本机的，而我们的登录关系是这样的
所以 还要分别赋予公钥
- 将NameNode1,NameNode2的公钥分别加入对方的授权文件
- 将NameNode1的公钥分别加入DataNode1,DataNode2,DataNode3的授权文件
- 将NameNode2的公钥分别加入DataNode1,DataNode2,DataNode3的授权文件
- 更改这5个.ssh的文件夹以及authorized_keys的权限
第四步 安装、配置Java环境
使用yum安装java(每一台虚拟机)
sudo yum install java-1.7.0-openjdk java-1.7.0-openjdk-devel
默认安装路径： /usr/lib/jvm/java-1.7.0-openjdk
然后在 /etc/environment 中保存JAVA_HOME变量
sudo vi /etc/environment
内容如下
第5步 Zookeeper安装配置
- 在一台机器解压安装zookeeper,并进入该安装目录
- 将conf/zoo_example.cfg 重命名为 zoo.cfg
mv conf/zoo_example.cfg conf/zoo.cfg
- 编辑zoo.cfg内容
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 - 通过scp 将安装包复制到其他机器
- 在每一个机器上的对应位置创建 dataDir和dataLogDir目录，并将zoo.cfg文件中 server. 后面对应的数字写入 dataDir下的myid文件。如 节点NameNode2就要这行一下命令
echo 1 > /home/hadoop/data/zookeeper/myid #因为zoo.cfg文件中 NameNode2前面的数字是1 所以写入1即可 #如果DataNode3的话就需要写4
注：一定要创建这两个目录 否则报错【ERROR [main:QuorumPeerMain@86] - Invalid config, exiting abnormally】
- 使用Zookeeper要注意各节点的时间一致性问题，需要做时间同步，这里暂且同步一次。最好参考这篇CentOS7 中使用NTP进行时间同步
# sudo yum install ntpdate #如果没有安装ntpdate的话，需要先安装 sudo ntpdate time.nist.gov - 启动服务
bin/zkServer.sh start
- 查看状态 （注意：/etc/hosts中必须要有 127.0.0.1 与 localhost的映射，否则zk之间无法连接）
bin/zkServer.sh status
第6步 Hadoop安装、配置
在/opt下面创建一个文件夹 software并更改用户组
cd /opt sudo mkdir software sudo chown -R hadoop:hadoop software
然后所有大数据相关程序都放到这个文件夹中
- 在~/.bashrc 中定义 SOFTWARE_HOME
export SOFTWARE_HOME=/opt/software
- cd到Hadoop安装目录的配置目录 /etc/hadoop 编辑hadoop-env.sh，定义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
- 编辑yarn-env.sh 定义YARN_PID_DIR,YARN_LOG_DIR
export YARN_LOG_DIR=$SOFTWARE_HOME/logs/yarn export YARN_PID_DIR=$SOFTWARE_HOME/data/yarn
- 编辑 mapred-env.sh，定义PID和Log目录
export HADOOP_MAPRED_LOG_DIR=$SOFTWARE_HOME/logs/mapred export HADOOP_MAPRED_PID_DIR=$SOFTWARE_HOME/data/mapred
- 编辑core-site.xml 这里 命名空间的逻辑名称使用 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>
- 编辑hdfs-site.xml。这里对NameNode使用HA，NameNode ID使用 nn1,nn2 分别对应 NameNode1,NameNode2，使用三个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>
<!--这里必须要加上前缀 file:// 否则会出现警告 should be specified as a URI in configuration files.并无法启动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> - 编辑slaves文件
DataNode1 DataNode2 DataNode3 - 接下来就是启动及初始化JournalNode、NameNode、DataNode，可对应这篇文章 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
检查HDFS
-
bin/hdfs fsck / -files -blocks
第七步：HBase安装部署
- 安装并进入安装目录
- 编辑 conf/backup-masters
NameNode2
- 编辑 conf/hbase-env.sh
#主要修改这三项 export HBASE_PID_DIR=${HOME}/data/hbase export HBASE_MANAGES_ZK=false export HBASE_LOG_DIR=${HOME}/logs/hbase - 编辑 conf/hbase-site.xml
<configuration> <property> <name>hbase.cluster.distributed</name> <value>true</value> </property> <property> <name>hbase.rootdir</name> <!--这里应该是要使用nameservice的，但是用了之后IP解析不正确，只能暂时换成HostName;还要注意一点 这里的必须使用当前处于Active的NameNode--> <!--HBase如果要做HA，这里以后必须要改成Nameservice，否则NameNode发生变化的时候还要手动修改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>
- 编辑 conf/regionservers
NameNode2 DataNode1 DataNode2 DataNode3
注意：有时候启动HBase的时候会出现【org.apache.Hadoop.hbase.TableExistsException: hbase:namespace】
或者什么【Znode already exists】相关的问题，一般都是因为之前的HBase信息已经在Zookeeper目录下已经存在引起的。
解决方法：
- 登录到zookeeper节点的机器上
- cd ${ZOOKEEPER_HOME}/bin
- bin/zkCli.sh
- ls / 可以查看到zookeeper上已有hbase目录
- rmr /hbase #删除该目录
- 最后重新启动hbase即可
有时候用java调用hbase时，会发生访问hbase时虽然没有报错，但是一直没有响应。
解决方式：
在程序调用的机器中的hosts文件，添加hbase所在节点的hosts信息
第八步：Sqoop安装部署（Sqoop1）
通过sqoop我们可以实现RDMS与hadoop生态产品 如hdfs、hive、hbase(单向)的数据导入导出。
在导入的过程中 我们可以指定mapper的数量，甚至是压缩的方式。目前有sqoop1和sqoop2两个大版本，且差异较大。Sqoop1与Sqoop2的相关功能支持程度
- 下载，解压，cd到安装目录
- 将 conf/sqoop-env-template.sh 重命名为 conf/sqoop-env.sh
- 编辑 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 (如果有独立的ZooKeeper集群，才需要配置这个) export ZOOCFGDIR=/opt/software/zookeeper-3.4.5-cdh5.3.6/ - 编辑 bin/configure-sqoop,注释掉HCAT_HOME、ACCUMULO_HOME(如果没有用到这些Hadoop组件的话)，差不多在文件的中间位置，130行左右
![]()
- 把mysql jdbc和sqlserver jdbc都放到 lib 下，同时拷贝到所有虚拟机的hadoop安装目录 $HADOOP_HOME/share/hadoop/common/lib。可使用下面的脚本
![]()
![]()
jdbc copycp mysql-connector-java-5.1.40-bin.jar /opt/software/sqoop-1.4.5-cdh5.3.6/lib/ --复制到所有虚拟机的Hadoop目录 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/ - 检测安装状况,如下图所示，则安装配置都没问题了
bin/sqoop help
![]()
- 使用 注：MSSqlServer与MySql的区别只在于连接信息上
** 查看sqlserver数据库列表 bin/sqoop list-databases --connect 'jdbc:sqlserver://192.168.0.154:1433;username=sa;password=123'
** 查看数据库表
bin/sqoop list-tables --connect 'jdbc:mysql://192.168.0.154:3306/Test' --username sa --password 123
** 直接导表数据到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语句导入(如果使用了query的形式，则必须要在sql后面加上 $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
** 导入HDFS（因为这是通过Mapper处理的，所有这个目标路径必须不存在）
./sqoop import --connect 'jdbc:sqlserver://192.168.0.154:1433;username=sa;password=123;database=Test' --table Cities --target-dir /input/Cities
** 从hdfs到处到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 不支持从sqlserver导入数据，且sqoop1与sqoop2在配置和使用上有很大区别
- Sqoop1是无法从hbase/hive导出到mysql的，实现方式也都是通过hive将数据输出到文件 然后再用sqoop导出到mysql
- Sqoop2从1.99.6开始通过KiteConnector的方式在一定程度上支持了HBase的读写-->文章传送门
- Sqoop2 搭建及使用
第九步：Hive安装部署
- 安装MySql
- 在mysql命令行设置hive对应的数据库，用户及密码 hive,123，并设置权限;
create database hive; grant all on hive*.* to hive@'%' identified by 'hive'; flush privileges; - cd到hive安装目录
#为了操作方便，可以选择创建软链接(非必须) ln -s hive-0.13.1-cdh5.3.6 hive - 将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，主要是设置 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。这个版本的文件有一个错误的地方，在2784行少了一个起始标签 <property>。下面修改的配置是设定了元数据的存储方式，如果不做修改的话就会使用自带的derby作为数据库
<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> <!--用于远程连接--> <property> <name>hive.metastore.uris</name> <value>thrift://127.0.0.1:9083</value> </property> <!--这个参数用于启动hiveserver2，默认值存在bug 后续版本已修复--> <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，创建目录
$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
- 启动metastore服务
bin/hive --service metastore & #后面的&是用来让hive服务在后台运行，没有&的话 关掉服务所在的ssh连接时，服务也会stop
#启动成功后，敲任意键回到shell命令输入模式，然后输入exit退出即可(通过命令而不是直接关闭客户端)
# bin/hive --service hiveserver & #这个命令启动的服务用于java的api调用。如果没有这个需求则不需要执行该命令 - 启动成功后，会多一个RunJar进程，现在就可以使用Hive Cli了
- 如果想启用远程模式的话需要启动hive metastore服务。有个前提条件是 jps显示的进程中不能有RunJar，有的话Kill掉。否则会出现【Could not create ServerSocket on address 0.0.0.0/0.0.0.0:9083】
其他：
①hive命令的调用有3种方式：
- 多语句执行
./hive –f ./hive-script.sql
- 单行语句
./hive -e 'select * from table'
- 交互模式 执行./hive 即可
②UDF的创建
- 首先要自定义UDF类
package com.sarnath.jobtask.hive.udf; import org.apache.hadoop.hive.ql.exec.Description; import org.apache.hadoop.hive.ql.exec.UDF;; /** * 将时间字符串转换成所在的5分钟区间 * * @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;//总分钟数 long timeValue = minTotal*60;// 时间值 /* * 精确到秒的时间 + 5秒 - 秒位数值与5的余数 */ return timeValue + 5 * 60 - timeValue % (5 * 60); } }
- 将项目打包并放到HDFS上某路径下 如 /user/hadoop/hiveUDF/udftest.jar
- 在hive中执行创建命令
#如果已存在 要先删除 #drop function get5minTimeZone; create function get5minTimeZone as 'com.sarnath.jobtask.hive.udf.logTimeConvert' using jar 'hdfs:///user/hadoop/hiveUDF/jobtask.jar';
③相关command
- 创建表 后面的棕色文字是指定从文件load数据的时候的字段间的分隔符
create table logdetail(proxyip string,origin string) row format delimited fields terminated by ';';
- 分区 hive的分区可对大量数据的操作提升很大效率，一个分区就是一个文件夹
- 创建分区
create table logdetail(proxyip string ,origin string) partitioned by(logdate string);
- 展示表的所有分区
show partitions tablename;
- 创建分区
- 从文件load数据到hive.如果不加 local 则是hdfs上的文件
load data [local] inpath '/opt/software/log/log2016_12_15.log' overwrite into table logdetail;
- 创建hive与hbase的关联表(STORED BY前面的是hive中的表结构；mapping=后面的字符串表示hbase中对应的字段；: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");
参考：
其他
附：
① 批处理执行脚本(当前节点为NameNode1)
重新格式化时，需要删除数据的脚本
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/*'
启动过程的脚本
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
默认情况下，在MapReduce中操作HBase的时候 会出现各种 java.lang.NoClassDefFoundError 问题，这是因为没有提供相关jar包。解决方法：
- 把$HBASE_HOME/lib 里的所有jar包都拷贝到 $HADOOP_HOME/share/common/lib 下面
- 把$HBASE_HOME/conf/hbase-site.xml 拷贝到 $HADOOP_HOME/conf 下面
- 所有节点都执行以上操作(不需要重启hadoop)
HBase官网文档中的路径是错误的，把jar包放到lib下面是没有用的
④hdfs相关命令
//刷新节点 $HADOOP_HOME/bin/hadoop dfsadmin -refreshNodes //查看目录大小 hadoop dfs -count -q <dir> //查看目录下子目录大小 hadoop dfs -du <dir>