Hadoop數據分析平臺項目實戰(基於CDH版本集羣部署與安裝)
一、Hadoop的主要應用場景：
a、數據分析平臺。
b、推薦系統。
c、業務系統的底層存儲系統。
d、業務監控系統。html
二、開發環境：Linux集羣(Centos64位)+Window開發模式(window10,64位操做系統)。
使用技術：hadoop,hbase,hive,flume,oozie,sqoop,nginx,tomcat,spring,mybatis,springmvc,mysql等等。Hdfs爲海量的數據提供存儲，MapReduce爲海量的數據提供計算。
此項目使用CDH(Cloudera Distribution Hadoop)版本，是Cloudera公司對其商業化改進和更新，CDH官網:http://cloudera.com
三、開發版本：java
a、hadoop2.5.0-cdh5.3.6版本；node
(以前cdh版本下載地址:http://archive.cloudera.com/cdh5/cdh/5/或者http://archive.cloudera.com/cdh4/cdh/4/)，cdh版本的文檔：http://archive.cloudera.com/cdh5/cdh/5/hadoop-2.5.0-cdh5.3.6/mysql
若是是在apache的官網下載以前的版本，地址以下所示：http://archive.apache.org/dist/hadoop/common/,文檔查看如：http://hadoop.apache.org/docs/
linux
b、hbase-0.98.6-cdh5.3.6版本。nginx
c、zookeeper-3.4.5-cdh5.3.6版本。web
四、Hadoop集羣分佈式(徹底分佈式模式)環境搭建:spring
安裝步驟: a、建立用戶，使用hadoop用戶，注意本身配置好本身的網絡，這點很重要。 步驟(注意root用戶密碼): 1)、使用useradd hadoop添加用戶。 2)、使用passwd hadoop設置用戶密碼，密碼爲hadoop; 3)、給用戶賦予使用sudo命令的權限。 4)、chmod u+w /etc/sudoers。 5)、vim /etc/sudoers。因爲root用戶對此文件也沒有修改權限，因此先賦予權限，修改完畢再刪除權限。 6)、在root ALL=(ALL)ALL下面加上一行以下所示: hadoop ALL=(ALL)ALL。注意，分隔的是製表符。 7)、chmod u-w /etc/sudoers。 b、修改主機名以及ssh免密碼登錄。 注意:因爲之後操做都是使用hadoop用戶，因此必須使用hadoop用戶登錄進行免密碼配置，可是使用root還不是免密碼登錄的。 步驟(使用hadoop用戶登錄): 1)、使用sudo hostname slaver1修改主機名，當前生效，重啓後失效。 2)、使用sudo vim /etc/sysconfig/network修改主機名，重啓生效。 3)、在sudo vim /etc/hosts文件中添加主機名稱對應的ip地址。 注意，將其餘集羣的主機名稱和對應的Ip地址都添加到三臺機器，否則沒法ping通。 192.168.19.131 slaver1 192.168.19.132 slaver2 192.168.19.133 slaver3 4)、使用ssh-keygen -t rsa生成ssh密鑰。 注意:普通用戶生成的密鑰對是在~/.ssh目錄下面,root用戶是在/root/.ssh目錄下面，必定區分清楚。 5)、進入.ssh文件夾，建立authorized_keys文件，而且將id_rsa.pub的內容添加到文件中去，修改文件權限爲600(必須) 注意:普通用戶是在~/.ssh目錄下。root用戶是在/root/.ssh目錄下面。 [hadoop@slaver1 .ssh]$ scp authorized_keys slaver2:~/.ssh/ [hadoop@slaver1 .ssh]$ scp authorized_keys slaver3:~/.ssh/ 6)、ssh slaver1驗證是否配置免密碼登錄成功。 ssh slaver2 ssh slaver3 c、jdk的安裝。 1)、複製jdk的tar壓縮包到/home/hadoop/package文件夾中。 2)、解壓縮操做： [hadoop@slaver1 package]$ tar -zxvf jdk-7u79-linux-x64.tar.gz -C /home/hadoop/soft/ 3)、建立軟鏈接(可建立或者不建立，建立軟鏈接，方便記憶)： [hadoop@slaver1 package]$ sudo ln -s /home/hadoop/soft/jdk1.7.0_79/ /usr/local/jdk 4)、配置相關的環境變量: 針對用戶生效:[hadoop@slaver1 package]$ vim ~/.bash_profile 全局生效(此處使用這個):[hadoop@slaver1 package]$ sudo vim /etc/profile 在文件最下面添加以下所示內容: export JAVA_HOME=/home/hadoop/soft/jdk1.7.0_79 export PATH=$PATH:$JAVA_HOME/bin 5)、保存文件，使環境變量生效: [hadoop@slaver1 package]$ source /etc/profile 6)、驗證jdk是否安裝成功: [hadoop@slaver1 package]$ java [hadoop@slaver1 package]$ javac [hadoop@slaver1 package]$ java -version [hadoop@slaver1 package]$ javac -version d、hadoop的安裝。 步驟: 1)、下載hadoop安裝包並複製到/home/hadoop/package文件夾中。 2)、解壓縮操做。並建立數據保存文件hdfs。 [hadoop@slaver1 package]$ tar -zxvf hadoop-2.5.0-cdh5.3.6.tar.gz -C /home/hadoop/soft/ [hadoop@slaver1 hadoop-2.5.0-cdh5.3.6]$ mkdir hdfs 3)、配置hadoop-env.sh，mapred-env.sh，yarn-env.sh文件。 hadoop-env.sh文件修改以下所示: export JAVA_HOME=/home/hadoop/soft/jdk1.7.0_79 徹底分佈式須要指定hadoop的pid路徑: export HADOOP_PID_DIR=/home/hadoop/soft/hadoop-2.5.0-cdh5.3.6/hdfs/tmp yarn-env.sh文件修改以下所示: export JAVA_HOME=/home/hadoop/soft/jdk1.7.0_79 因爲沒有默認的，因此手動建立: export YARN_PID_DIR=export HADOOP_MAPRED_PID_DIR=/home/hadoop/soft/hadoop-2.5.0-cdh5.3.6/hdfs/tmp mapred-env.sh。 export HADOOP_MAPRED_PID_DIR=/home/hadoop/soft/hadoop-2.5.0-cdh5.3.6/hdfs/tmp 4)、配置基本環境變量core-site.xml文件。 <configuration> <!-- 指定HADOOP所使用的文件系統schema（URI），HDFS的老大（NameNode）的地址,master便是namenode所在的節點機器，9000是端口號，NameNode是爲客戶提供服務的，NameNode知道每個文件存在哪個datanode上面 --> <property> <name>fs.defaultFS</name> <value>hdfs://slaver1:9000</value> <--<value>hdfs://slaver1:8020</value>--> </property> <!-- 指定hadoop運行時產生文件的存儲目錄 --> <property> <name>hadoop.tmp.dir</name> <value>/home/hadoop/soft/hadoop-2.5.0-cdh5.3.6/hdfs/tmp</value> </property> </configuration> 5)、配置hdfs相關變量hdfs-site.xml文件。 <configuration> <!-- 指定HDFS副本的數量,副本的數量，避免一個機器宕掉了，數據丟失，默認是3個副本 --> <property> <name>dfs.replication</name> <value>2</value> </property> <property> <name>dfs.namenode.name.dir</name> <value>/home/hadoop/soft/hadoop-2.5.0-cdh5.3.6/hdfs/name</value> </property> <property> <name>dfs.namenode.data.dir</name> <value>/home/hadoop/soft/hadoop-2.5.0-cdh5.3.6/hdfs/data</value> </property> <!-- 指定SecondNameNode在那臺機器上面啓動 --> <property> <name>dfs.secondary.http.address</name> <value>slaver1:50090</value> </property> </configuration> 6)、配置mapred相關環境變量mapred-site.xml文件。 複製操做: [hadoop@slaver1 hadoop]$ cp mapred-site.xml.template mapred-site.xml; 修改內容以下所示: <configuration> <!-- 指定mr運行在yarn上，即mapreduce運行在yarn上面 --> <property> <name>mapreduce.framework.name</name> <value>yarn</value> </property> </configuration> 7)、配置yarn相關環境變量yarn-site.xml文件。 <configuration> <!-- Site specific YARN configuration properties --> <!-- 指定YARN的老大（ResourceManager）的地址，這個地方主要看本身的機器分配狀況，若是是四臺機器，這個value值就>是第四臺的主機名稱哦， --> <property> <name>yarn.resourcemanager.hostname</name> <value>slaver1</value> </property> <!-- reducer獲取數據的方式 --> <property> <name>yarn.nodemanager.aux-services</name> <value>mapreduce_shuffle</value> </property> </configuration> 8)、配置datanode相關變量slaves文件。 slaver2 slaver3 9)、配置hadoop相關環境變量。 export JAVA_HOME=/home/hadoop/soft/jdk1.7.0_79 export HADOOP_HOME=/home/hadoop/soft/hadoop-2.5.0-cdh5.3.6 export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin 刷新配置文件: [hadoop@slaver1 hadoop]$ source /etc/profile 驗證是否配置成功: [hadoop@slaver1 hadoop]$ hadoop version 10)、將slaver1機器上面的hadoop複製到slaver2機器和slaver3機器: [hadoop@slaver1 soft]$ scp -r hadoop-2.5.0-cdh5.3.6/ slaver2:/home/hadoop/soft/ [hadoop@slaver1 soft]$ scp -r hadoop-2.5.0-cdh5.3.6/ slaver3:/home/hadoop/soft/ 11)、hadoop的啓動步驟: a、第一次啓動hadoop以前須要格式化namenode節點，命令爲hadoop namenode -format: [hadoop@slaver1 soft]$ hadoop namenode -format b、兩個方式啓動start-all.sh或者start-dfs.sh，start-yarn.sh。 [hadoop@slaver1 soft]$ start-all.sh 或者: [hadoop@slaver1 soft]$ start-dfs.sh [hadoop@slaver1 soft]$ start-yarn.sh c、查看是否啓動成功。 注意:啓動過程當中出現slaver1主節點的ResourceManager未啓動異常狀況，解決方法是在yarn-site.xml文件中修改以下所示，注意，slaver1是主節點的主機名稱: <property> <name>yarn.resourcemanager.hostname</name> <value>slaver1</value> </property> 驗證以下所示，而後查看節點的啓動狀況，經過jps命令查看hadoop的進程是否啓動: [hadoop@slaver1 hadoop]$ jps [hadoop@slaver2 hadoop]$ jps [hadoop@slaver3 hadoop]$ jps 網頁查看以下所示，查看web界面是否顯示正常信息內容: 查看分佈式文件系統，http://slaver1:50070/ 查看MapReduce，http://slaver1:8088/
驗證hadoop對應的yarn（mapreduce）框架是否啓動成功，直接運行hadoop自帶的example程序便可；
[hadoop@slaver1 hadoop]$ echo "i like learn bigdata!" >> /home/hadoop/data_hadoop/test.txt
[hadoop@slaver1 hadoop]$ hadoop dfs -put /home/hadoop/data_hadoop/test.txt /
[hadoop@slaver1 hadoop]$ hadoop dfs -ls /
[hadoop@slaver1 mapreduce]$ hadoop jar hadoop-mapreduce-examples-2.5.0-cdh5.3.6.jar wordcount /test.txt /output
注意:若是上面執行失敗或者卡着不動，檢查是不是進程宕掉了。
[hadoop@slaver1 mapreduce]$ hadoop fs -cat /user/hadoop/output/part-r-00000查看統計的內容；
五、Hadoop Shell命令簡單描述：sql
hadoop的shell命令主要分爲兩類，一類是啓動命令，一類是控制和操做命令(hdfs/mapred/yarn)。其中啓動命令位於sbin目錄下面，控制和操做命令主要位於bin目錄下面。其實最終的啓動命令也是調用控制命令來進行集羣服務的啓動，區別在於啓動命令中須要使用ssh的相關命令來控制其餘機器啓動服務，而控制和操做命令主要是直接調用hadoop提供的服務類接口。 1)、查看hdfs能夠跟的命令，查看hadoop能夠跟的命令: [hadoop@slaver1 mapreduce]$ hdfs [hadoop@slaver1 mapreduce]$ hadoop 2)、hdfs命令(hdfs dfs)，和hadoop命令，顯示文件夾的內容: [hadoop@slaver1 mapreduce]$ hadoop fs -ls / 若是遞歸顯示文件夾的內容以下所示-lsr是遞歸顯示: [hadoop@slaver1 mapreduce]$ hadoop fs -lsr / [hadoop@slaver1 mapreduce]$ hdfs dfs -ls / 若是遞歸顯示文件夾的內容以下所示-lsr是遞歸顯示: [hadoop@slaver1 mapreduce]$ hdfs dfs -ls -R / [hadoop@slaver1 mapreduce]$ hdfs dfs -lsr / 3)、hdfs命令查看命令幫助: [hadoop@slaver1 mapreduce]$ hdfs dfs -help ls 4)、hdfs命令，建立文件夾: [hadoop@slaver1 mapreduce]$ hdfs dfs -mkdir -p /201804/20180405 -p參數指定當須要建立文件夾存儲，那麼不報錯，默認狀況會報錯。另一個做用就是遞歸建立文件夾。若是咱們給定的路徑不是以/開始的，那麼表示在當前用戶目錄下建立文件夾。(默認狀況下是沒有當前用戶目錄的，那麼就會報錯) 5)、hdfs命令，上傳文件到HDFS。-put，-copyFromLocal，-moveFromLocal。 [hadoop@slaver1 data_hadoop]$ hdfs dfs -put test.txt /201804/20180405 本地路徑能夠指定文件夾或者多個文件，hdfs上的路徑必須是根據上傳東西的不一樣，有不一樣的要求: a、本地指定的是文件夾，那麼hdfs若是目錄不存在，就新建目錄而後將本地文件夾內容copy過去。hdfs目錄存在，則將文件夾copy過去。 b、本地指定的是單個文件，那麼要求hdfs上指定的文件不存在。 c、本地指定的多個文件，那麼要求hdfs上指定的文件夾存在。 6)、hdfs命令，下載文件。-get，-copyToLocal，-moveToLocal。 [hadoop@slaver1 data_hadoop]$ hdfs dfs -get /201804 7)、hdfs命令，查看文件內容: [hadoop@slaver1 data_hadoop]$ hdfs dfs -cat /test.txt [hadoop@slaver1 data_hadoop]$ hdfs dfs -text /test.txt cat命令和text命令均可以查看文件內容，可是他們的內置機制不同，cat是copy文件內容，而後顯示。text是經過hadoop解析將文件內容轉換爲文本內容，而後再顯示。cat命令只適合看一半的文本文件，而text命令能夠看出全部文件。 8)、hdfs命令刪除文件。 [hadoop@slaver1 data_hadoop]$ hdfs dfs -rm -R /201804 [hadoop@slaver1 data_hadoop]$ hdfs dfs -rmdir /201804/20180405 區別:rm和rmdir的區別主要是，rm能夠刪除任何文件/文件夾。rmdir只能刪除空的文件夾。 9)、hdfs命令，fsck命令。 fsck命令是檢測hdfs磁盤文件是否有丟失備份異常等信息，能夠查看到具體的文件是否處於健康狀況，執行命令爲hdfs -fsck 文件路徑。 [hadoop@slaver1 data_hadoop]$ hdfs fsck /201804 [hadoop@slaver1 data_hadoop]$ hdfs fsck -help 10)、hdfs命令，dfsadmin命令彙報集羣信息。 a、參數-report 能夠經過該命令查看集羣的基本信息，包括總磁盤大小，剩餘磁盤大小，丟失塊個數等總的集羣信息。 [hadoop@slaver1 data_hadoop]$ hdfs dfsadmin -report b、參數-safemode<enter | leave | get | wait> 當集羣中的文件備份出現丟失的時候，可能會進行安全模式。安全模式是指當集羣處於該狀態下，hdfs解決文件IO操做。咱們能夠經過該命令強制離開安全模式。 [hadoop@slaver1 data_hadoop]$ hdfs dfsadmin -safemode get 11)、hdfs命令，-namenode命令 namenode命令是hadoop提供的操做NN節點的shell命令入口，包括NN節點的格式化，NN節點升級，NN節點回滾，NN節點啓動等操做。查看幫助信息:hdfs namenode -h； [hadoop@slaver1 data_hadoop]$ hdfs namenode -h 12)、hadoop命令 hadoop命令主要是將hdfs，yarn，mapred所有命令進行一個整合，實際生活中通常狀況下主要使用hadoop命令來進行job的管理到多個集羣之間的數據複製文件。經常使用命令主要有: a、job,job聲明週期管理，包括提交，查看狀態，kill等等。 [hadoop@slaver1 data_hadoop]$ hadoop job 該命令主要是根據咱們控制job聲明週期的接口。咱們能夠經過該命令提交job，查看咱們提交job的運行狀況，殺死咱們提交的job，也能夠刪除job運行中的某個具體task; b、distcp，多集羣間數據複製。 c、version，查看hadoop版本信息。
六、Hdfs結構介紹和YARN的介紹:shell
a、hdfs是hadoop提供的基於分佈式的文件存儲系統。全稱爲hadoop distributed file system。主要是由namenode，datanode兩類節點構成，其中namenode節點的主要功能是管理系統的元數據，負責管理文件系統的命令空間，記錄文件數據塊在datanode節點上面的位置和副本信息，協調客戶端對文件系統的訪問，以及記錄命名空間的改動和自己屬性的變更。datanode節點的主要功能就是負責節點所在物理節點上的存儲管理。
b、MapReduce(YARN)是hadoop提供的一種處理海量數據的並行編程模型和計算框架，用於對大規模的數據進行並行計算。主要由resourcemanager和nodemanager兩類節點構成。其中resourcemanager主要負責集羣資源管理，nodemanager負責節點的資源管理。初次以外，當運行mapreduce任務的時候，會產生ApplicationMaster和Container,其中ApplicationMaster負責向resourcemanager節點進行資源的申請並控制任務的執行，Container是最基本的資源單位。MapReduce的map和reduce均是其之上進行的。
7：Hbase的鞏固與學習:
a、Hbase是創建在hdfs之上的一個提供可靠性，高性能，列存儲，可伸縮，實時讀寫的數據庫系統。是一種介於nosql和RDBMS之間的一種數據庫系統，僅支持經過rowkey和range進行數據的檢索，主要存儲非結構化數據和半結構化數據。Hbase的目標是經過橫向擴展，添加普通機器來增長存儲性能和計算性能。Hbase的特色，大（一個表能夠有上億行以及百萬級的行），面向列存儲，稀疏（因爲null不佔用存儲空間，全部表結構能夠設計的很是稀疏）
b、Hbase使用zookeeper進行集羣的節點管理，固然hbase自身集成了一個zk系統，不過通常狀況下在實際成產環境中不使用。Hbase由master,進程是hmaster和regionserver,進程是hregionserver兩類節點（若是使用hbase自帶的zk服務,那麼還有HQuorumPeer進程）。Hbase支持提供backup master進行master備份。其中節點負責和zk進行通訊以及存儲regionserver的相關位置信息，regionserver節點實現具體對數據的操做，最終數據存儲在hdfs上。
c、Hbase的安裝:
1）、hbase存在三種安裝方式，一種是獨立模式，基本不用，第二種是分佈式模式（繼承zookeeper），第三種是分佈式模式（獨立zookeeper）。
2）、hbase的下載地址以下所示：http://archive.cloudera.com/cdh5/cdh/5/。
3）、hbase的安裝參考以下所示：http://www.cnblogs.com/biehongli/p/7729135.html。
4）、在hbase的根目錄下建立一個文件夾hbase來存儲臨時文件和pid等等。默認是tmp目錄。
5）、建立到hdfs-site.xml的軟鏈接或者配置鏈接hdfs的配置信息。而後將hbase的相關信息添加到環境變量中。
6）、能夠查看hbase是否安裝成功:[hadoop@slaver1 bin]$ hbase version。
7）、驗證hbase的三種方式:第一種，jps查看是否有Hbase的進程啓動,HMaster,HRegionServer。第二種，web界面查看是否啓動http://192.168.19.131:60010/。第三種，shell命令客戶端查看是否啓動成功。[hadoop@slaver1 conf]$ hbase shell
8）、hbase shell的命令參數忘記，可使用以下查看：hbase(main):006:0> help 'status'，hbase(main):009:0> help 'alter'等等
9)、hbase命名空間相關命令:命名空間的做用是相似關係型數據中的database,做用就是將hbase的表按照業務做用分隔開，有益於維護。Hbase默認有兩個命名空間，分別是hbase和default。其中hbase命名空間存儲hbase自身的表信息，default存儲用戶建立的表。
命名:create_namespace（建立命名空間），alert_namespace（命名空間修改），describe_namespace(顯示命名空間描述信息)，drop_namespace(刪除命名空間)。list_namespace(顯示全部命名空間)，list_namespace_tables(顯示對於命名空間中的table名稱)。
d、zookeeper的安裝和部署:
1)、將zookeeper-3.4.5-cdh5.3.6.tar.gz上傳到虛擬機，進行解壓縮操做,具體類比參考：http://www.cnblogs.com/biehongli/p/7650570.html
也能夠在線下載，若是網絡能夠的話。命令以下所示：
[hadoop@slaver1 script_hadoop]$ wget http://archive.cloudera.com/cdh5/cdh/5/zookeeper-3.4.5-cdh5.3.6.tar.gz
e、mapreduce與hbase的整合，搭建步驟:
1)、在hadoop目錄中建立hbase-site.xml的軟鏈接。在真正的集羣環境中的時候,hadoop運行mapreduce會經過該文件查找具體的hbase環境信息。
[hadoop@slaver1 ~]$ ln -s /home/hadoop/soft/hbase-0.98.6-cdh5.3.6/conf/hbase-site.xml /home/hadoop/soft/hadoop-2.5.0-cdh5.3.6/etc/hadoop/hbase-site.xml
2）、將hbase須要的jar包添加到hadoop運行環境中，其中hbase須要的jar就是lib文件夾下面的全部*.jar文件。
在hadoop中提娜佳其餘第三方的jar有不少方式，好比添加hbase的jar到hadoop環境中。這裏介紹三種:
第一種：在hadoop-env.sh中添加HADOOP_CLASS環境變量，value爲hbase的lib文件夾下的全部jar文件。
if [ "$HADOOP_CLASSPATH" ]; then
export HADOOP_CLASSPATH=$HADOOP_CLASSPATH:/home/hadoop/soft/hbase-0.98.6-cdh5.3.6/lib/*
else
export HADOOP_CLASSPATH=/home/hadoop/soft/hbase-0.98.6-cdh5.3.6/lib/*
fi
第二種:在系統級或者用戶級修改*profile文件內容，在文件中添加HADOOP_CLASSPATH。
第三種:直接將hbase的lib文件夾中全部jar文件複製到hadoop的share/hadoop/common/lib或者share/hadoop/mapreduce或者share/hadoop/marreudce2等文件夾中。
3）、使用hbase自帶的server jar測試是否安裝成功。
直接使用hbase自帶的命令進行環境的測試，命令爲:。該命令能夠查看咱們指定table的行數。
[hadoop@slaver1 lib]$ cd /home/hadoop/soft/hbase-0.98.6-cdh5.3.6/lib
[hadoop@slaver1 lib]$ hadoop jar hbase-server-0.98.6-cdh5.3.6.jar rowcounter student
八、Hive的學習與鞏固：
1、Hive是構建在hadoop之上的數據倉庫平臺，設計目標就是將hadoop上的數據操做同sql結合，讓熟悉sql編程的開發人員能輕鬆的向hadoop平臺上轉移。hive能夠在hdfs上構建數據倉庫存儲結構化數據，這些數據來源就是Hdfs上，Hive提供了一個相似sq的查詢語言Hivesql來進行查詢，變換數據等操做。固然hivesql語句的底層是轉換爲相應的mapreduce代碼進行執行的。
二、hive包含用戶接口，元數據庫，解析器，數據倉庫等組件組成，其中用戶接口包含shell客戶端，jdbc,odbc,web接口等等。元數據庫主要是指定義在hive中的表結構信息，通常保存到關係型數據庫中，默認是derby，通常使用mysql進行保存。解析器主要功能是將hql轉換爲mapreduce代碼。數據倉庫就是由hdfs組成的數據存儲容器。
三、hive根據metastore的存儲位置不一樣，分爲三種安裝模式，內嵌模式，本地模式，遠程模式。內嵌模式就是使用derdy存儲元數據。本地模式是將hive.metastore.local設置爲true,就是說metastore和hive客戶端安裝在同一臺機器上。遠程模式指的是咱們明確指定metastore安裝的機器位置，並且能夠指定多個，須要給定參數hive.metastore.uris而且hive.metastore.local必須設置爲false。
hive遠程模式安裝，使用mysql進行元數據的存儲，安裝步驟:
a、安裝mysql數據庫。安裝操做以下所示：
安裝步驟：
1）使用root用戶安裝mysql。
[hadoop@slaver1 ~]$ su root
安裝mysql:
[root@slaver1 hadoop]# yum install mysql
安裝mysql的服務端：
[root@slaver1 hadoop]# yum install mysql-server
安裝mysql的devel，可選：
[root@slaver1 hadoop]# yum install mysql-devel
2）修改/etc/my.cnf文件中的配置信息。
[root@slaver1 hadoop]# vim /etc/my.cnf
添加：
[mysql]
default-character-set=utf8
[mysqld]
character-set-server=utf8
lower_case_table_names=1
3）啓動Mysql，設置root用戶密碼，使用root用戶登錄。啓動mysql服務，中止mysql服務，重啓mysql服務。注意在linux的普通用戶操做下，關閉mysql是沒法關閉的，Stopping mysqld:[FAILED]
[root@slaver1 hadoop]# service mysqld start
[root@slaver1 hadoop]# service mysqld stop
[root@slaver1 hadoop]# service mysqld restart
mysql開機啓動：[root@slaver1 soft]# chkconfig mysqld on
查看mysql是否啓動：[root@slaver1 hadoop]# ps -ef | grep mysql
設置超級管理員密碼：[root@slaver1 hadoop]# mysqladmin -u root password 123456
使用超級管理員登錄系統：[root@slaver1 hadoop]# mysql -uroot -p123456
4）建立Hive元數據的Mysql用戶。建立用戶，刪除沒有密碼的用戶，受權，刷新權限，最後重啓mysql服務便可。
mysql> show databases;
mysql> use mysql;
mysql> show tables;
mysql> select user,host from user;
mysql> create user 'hive' identified by 'hive';建立Hive的用戶，密碼也是hive.
mysql> grant all privileges on *.* to 'hive'@'%' with grant option;受權
mysql> FLUSH PRIVILEGES;刷新權限
mysql> delete from user where password="";能夠將沒有密碼的用戶刪除了，避免出現問題。ERROR 1045 (28000): Access denied for user 'hive'@'localhost' (using password: YES)
5）使用新用戶登錄，而後建立數據庫，並修改數據庫的鏈接方式。
[root@slaver1 ~]# mysql -uhive -p
mysql> create database hive;建立數據庫
mysql> alter database hive character set latin1;設置字符集
b、hive模式安裝。
1）、下載hive,下載地址http://archive.cloudera.com/cdh5/cdh/5/。
2）、解壓下載的壓縮包。
[root@slaver1 package]$ tar -zxvf hive-0.13.1-cdh5.3.6.tar.gz -C /home/hadoop/soft/
3）、配置環境變量hive.site.xml。
[root@slaver1 conf]$ cp hive-default.xml.template hive-site.xml
[hadoop@slaver1 conf]$ vim hive-site.xml
因爲複製的文件內容不少，刪除起來很慢，因此能夠本身建立一個hive-site.xml文件：
<?xml version="1.0" encoding="UTF-8" standalone="no"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<!--
<property>
<name>hive.metastore.uris</name>
<value>thrift://slaver1:9083</value>
</property>
<property>
<name>hive.metastore.warehouse.dir</name>
<value>/hive</value>
</property>
-->
<property>
<name>javax.jdo.option.ConnectionURL</name>
<value>jdbc:mysql://slaver1:3306/hive?createDatabaseIfNotExist=true</value>
</property>
<property>
<name>javax.jdo.option.ConnectionDriverName</name>
<value>com.mysql.jdbc.Driver</value>
</property>
<property>
<name>javax.jdo.option.ConnectionUserName</name>
<value>hive</value>
</property>
<property>
<name>javax.jdo.option.ConnectionPassword</name>
<value>hive</value>
</property>
</configuration>
4）、將mysql-connector-java-5.1.31.jar移動到Hive的lib文件夾下面。
[hadoop@slaver1 lib]$ cp /home/hadoop/package/mysql-connector-java-5.1.31.jar ./
5）、將bin目錄添加到$PATH環境變量中去。
[hadoop@slaver1 ~]$ sudo vim /etc/profile
export HIVE_HOME=/home/hadoop/soft/hive-0.13.1-cdh5.3.6
export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$ZOOKEEPER_HOME/bin:$SCRIPT:$HBASE_HOME/bin:$HIVE_HOME/bin
[hadoop@slaver1 ~]$ source /etc/profile
6）、啓動metastore服務。hive --service metastore &(首先要啓動hdfs和Yarn服務的哦)：
[hadoop@slaver1 conf]$ hive --service metastore &。能夠去建立的hive的數據庫裏面已經建立了不少數據表。mysql> show databases;mysql> use hive;mysql> show tables;
7）、進入hive的shell客戶端，驗證是否安裝成功。
[hadoop@slaver1 soft]$ hive
而後就可使用hive了：hive> show databases；
hive> create table user(id int,name string);建立第一個數據表之後就能夠在hdfs查看hive文件了，裏面已經存在建立的數據表。
8）、hive web安裝。hive提供一個web的操做客戶端，通常咱們經過該頁面查看Hive的信息，配置信息包括:hive.hwi.listen.host指定監聽ip，默認爲0.0.0.0。hive.hwi.listen.port監聽端口，默認爲9999，hive.hwi.war.file=xxx。另外須要將java的tool.jar文件移動到hive的lib文件夾中。啓動命令爲:hive --service hwi &。
9）、hive默認提供的cli(shell)服務，若是須要啓動其餘服務，那麼須要service參數來啓動其餘服務，好比thrift服務，metastore服務等等。能夠經過命令hive --service help查看支持的命令。
c、hive命令的複習和鞏固：
1）、hive shell命令介紹，hive的shell命令是經過hive目錄下面的bin目錄的hive來控制的，經過該文件能夠進行hive當前回話的環境管理，也能夠進行hive的表管理操做。hive命令必須使用";"進行結束標示。經過hive -H查看幫助信息。[hadoop@slaver1 ~]$ hive -H
2)、hive的shell基本經常使用命令主要包含退出客戶端，添加文件，修改/查看環境變量，執行linux命令，執行dfs命令等等。命令包括：quit,exit,set（無參是查看，有參是設置值，只在當前回話有效）,add JAR[S] <filepath> <filepath>*,list JAR[S],delete JAR[S] <filepath>*, !<linux-command>（hive> !ls -ls;）,dfs<dfs command>（hive> dfs -ls /;）等等。除了hive的基本命令外，其餘的命令主要是ddl和dml等操做數據表的命令。
3）、hiveql簡稱hql,是一種相似sql的查詢語言，絕大多數語法和sql相似。hql支持基本類型和複雜類型兩大數據類型。基本類型包括TINYINT(1 byte),SMALLINT(2 byte),INT(4 byte),BIGINT(8 byte),FLOAT(4 byte),DOUBLE(8 byte),BOOLEAN(-),string(2G)。複雜類型包括ARRAY(一組有序數組，類型必須一致)，MAP(無序鍵值對，鍵值內部字段類型必須相同，並且要求key的類型爲基本數據類型)，STRUCT(一組字段，類型任意)。
4）、show 命令的主要做用是查看database,table，function等組件的名稱信息，也就是經過show命令咱們能夠知道咱們的hive中有那些數據庫，或者數據表。describe命令主要做用是獲取databse,table,partition的具體描述信息，包括存儲位置，字段類型等信息。explain命令的主要做用是獲取Hql語句的執行計劃，咱們能夠經過分析這些執行計劃來優化hql語句。
九、Nginx的安裝鞏固複習：
1、使用root用戶登錄。 2、查看nginx信息，命令yum info nginx.
[root@slaver1 ~]# yum info nginx 3、若是查看nginx信息提示nginx找不到，能夠經過修改rpm源來進行後續步驟，執行命令：rpm -ivh http://nginx.org/packages/centos/6/noarch/RPMS/nginx-release-centos-6-0.el6.ngx.noarch.rpm [root@slaver1 ~]# rpm -ivh http://nginx.org/packages/centos/6/noarch/RPMS/nginx-release-centos-6-0.el6.ngx.noarch.rpm
4、再查看nginx信息。
[root@slaver1 ~]# yum info nginx 5、安裝，命令，yum install nginx,在安裝過程當中直接輸入y.
[root@slaver1 ~]# yum install nginx 6、啓動nginx,命令service nginx start.
[root@slaver1 ~]# service nginx start 7、訪問http://slaver1查看nginx的web頁面。
十、Flume介紹：
Flume是Apache基金會組織的一個提供的高可用的，高可靠的，分佈式的海量日誌採集，聚合和傳輸的系統，Flume支持在日誌系統中定製各種數據發送方，用於收集日誌。同時，flume提供對數據進行簡單處理，並寫到各類數據接收方（能夠定製）的能力。當前flume有兩個版本，flume0.9x版本以前的統稱爲flume-og,flume1.x版本統稱爲flume-ng。
a、主要區別以下所示： 1）、flume-og中採用Master結構，爲了保證數據的一致性，引入zookeeper進行管理。flume-ng中取消了集中master機制和zookeeper管理機制，變成了一個純粹的傳輸工具。 2）、flume-ng中採用不一樣的線程進行數據的讀寫操做，在flume-og中，讀數據和寫數據是由同一個線程操做的，若是寫出比較慢的話，可能會阻塞flume的接受數據的能力。
b、flume的結構：
flume中以agent爲基本單位，一個agent能夠包括source,channel,sink，三種組件均可以有多個。其中source組件主要功能是接受外部數據，並將數據傳輸到channel中。sink組件的主要功能是發送flume接受到的數據爲目的的。channel的主要做用就是數據傳輸和保存的一個做用。fulme主要分爲三類結構，單agent結構，多agent鏈式結構和多路複用agent結構。
c、flume的安裝操做：
1）、將壓縮包上傳到虛擬機。過程省略。
http://archive.cloudera.com/cdh5/cdh/5/flume-ng-1.5.0-cdh5.3.6.tar.gz
2）、解壓縮操做。命令以下所示：
[hadoop@slaver1 package]$ tar -zxvf flume-ng-1.5.0-cdh5.3.6.tar.gz -C /home/hadoop/soft/
3）、進入到flume的conf目錄，複製flume-env.sh.template爲flume-env.sh：
[hadoop@slaver1 conf]$ cp flume-env.sh.template flume-env.sh
4）、修改flume-env.sh，添加以下jdk的路徑信息：
export JAVA_HOME=/home/hadoop/soft/jdk1.7.0_79
5)、將flume的bin目錄添加到環境變量中去。
6）詳細配置見http://www.cnblogs.com/biehongli/p/8031403.html。
7）、驗證是否安裝成功。[hadoop@slaver1 conf]$ flume-ng version
d、flume的案例（案例詳細步驟可參考http://www.cnblogs.com/biehongli/p/8031403.html）:
使用netcat source監聽客戶端的請求，使用memory channel做爲數據的傳輸通道，使用logger sink打印監聽到的信息。步驟：
1）、在conf文件夾中創建test.conf，裏面是agent的配置。
2）、啓動flume-ng agent --conf ./conf/ --conf-file ./conf/test.conf --name a1 -Dflume.root.logger=INFO,console。
3）、使用telenet命令鏈接機器，命令：telenet slaver1 4444
4）、輸入信息查看是否成功
十一、Sqoop的鞏固與學習：
a、sqoop是一款開源的工具，主要用於在hadoop(hive)與傳統的數據庫（mysql,oracle）之間進行數據的傳遞，能夠將一個關係型數據庫中的數據導入到hadoop的hdfs中，也能夠將hdfs的數據導入到關係型數據庫中。通常狀況下，是將數據分析的結果導出到關係型數據庫中，供其餘部門使用。sqoop專門爲大數據設計，能夠經過分割數據集來啓動多個mapreduce程序來處理每一個數據塊。
b、sqoop的安裝和部署：詳細步驟見http://www.cnblogs.com/biehongli/p/8039128.html
1）、sqoop的下載：wget http://archive.cloudera.com/cdh5/cdh/5/sqoop-1.4.5-cdh5.3.6.tar.gz
2）、解壓縮操做。
[hadoop@slaver1 package]$ tar -zxvf sqoop-1.4.5-cdh5.3.6.tar.gz -C /home/hadoop/soft/
3）、複製相關的依賴包到lib文件夾中。
[hadoop@slaver1 lib]$ cp /home/hadoop/package/mysql-connector-java-5.1.31.jar ./
[hadoop@slaver1 lib]$ cp /home/hadoop/soft/hadoop-2.5.0-cdh5.3.6/share/hadoop/common/hadoop-common-2.5.0-cdh5.3.6.jar ./
[hadoop@slaver1 lib]$ cp /home/hadoop/soft/hadoop-2.5.0-cdh5.3.6/share/hadoop/hdfs//hadoop-hdfs-2.5.0-cdh5.3.6.jar ./
[hadoop@slaver1 lib]$ cp /home/hadoop/soft/hadoop-2.5.0-cdh5.3.6/share/hadoop/mapreduce/hadoop-mapreduce-client-core-2.5.0-cdh5.3.6.jar ./
4）、修改conf/sqoop-env.sh文件。
#Set path to where bin/hadoop is available
export HADOOP_COMMON_HOME=/home/hadoop/soft/hadoop-2.5.0-cdh5.3.6
#Set path to where hadoop-*-core.jar is available
export HADOOP_MAPRED_HOME=/home/hadoop/soft/hadoop-2.5.0-cdh5.3.6
#set the path to where bin/hbase is available
export HBASE_HOME=/home/hadoop/soft/hbase-0.98.6-cdh5.3.6
#Set the path to where bin/hive is available
export HIVE_HOME=/home/hadoop/soft/hive-0.13.1-cdh5.3.6
5）、添加sqoop常量到用戶環境變量中去。
sudo vim /etc/profile
export SQOOP_HOME=/home/hadoop/soft/sqoop-1.4.5-cdh5.3.6
export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$ZOOKEEPER_HOME/bin:$SCRIPT:$HBASE_HOME/bin:$HIVE_HOME/bin:$FLUME_HOME/bin:$SQOOP_HOME/bin
6）、測試是否安裝成功。[hadoop@slaver1 conf]$ sqoop version
c、sqoop命令介紹：
1）、sqoop總共有14個命令，包括：codegen,create-hive-table,eval,export,help,import,import-all-tables,import-mainframe,job,list-databases,list-tables,merger,metastore,version。其中經常使用命令爲create-hive-table,export,import,help等等。
2）、sqoop命令格式：sqoop <command> <generic-options> <command-options>。也就是說sqoop的全部命令有公用的參數列表，除此以外每一個命令都有本身特定的執行參數。
3）、help命令主要做用是查看sqoop提供的幫助信息，命令格式：sqop help[<command>]。help後面的參數爲sqoop支持的命令格式。若是不給定help後面的參數，那麼表示顯示sqoop命令的幫助信息，若是給定後面的參數，那麼顯示具體sqoop命令的幫助信息。
[hadoop@slaver1 lib]$ sqoop help
[hadoop@slaver1 lib]$ sqoop help import
4）、list-tables和list-databases兩個命令都是針對關係型數據庫(能夠經過jdbc鏈接的數據庫/數據倉庫）而言的，咱們通常能夠經過該命令查看對應數據庫中的table&database的列表。基本命令格式爲:sqoop (list-tables|list-databases) --connect jdbc_url --username db_name --password db_pwd;
[hadoop@slaver1 lib]$ sqoop list-tables --connect jdbc:mysql://slaver1:3306/hive --username hive --password hive
[hadoop@slaver1 lib]$ sqoop list-databases --connect jdbc:mysql://slaver1:3306/hive --username hive --password hive
5） 、create-hive-table命令根據關係型數據庫中的表建立hive表，不進行數據的copy,只進行表結構的copy。若是hive中存在要建立的表，默認狀況下不進行任何操做。命令格式sqoop create-hive-table --connect jdbc_url --username db_name --password db_pwd --table db_table_name --hive-table hive_table_name。
[hadoop@slaver1 lib]$ sqoop create-hive-table --connect jdbc:mysql://slaver1:3306/hive --username hive --password hive --table version --hive-table hivetest
6)、import命令的主要做用是將關係型數據庫中的數據導入到hdfs文件系統中（或者hbase/hive）中，無論是導入到hbase仍是導入到hive中，都須要先導入到hdfs中，而後再導入到最終的位置。通常狀況下，只會採用將關係型數據庫的數據導入到hdfs或者hive中，不會導入到hbase中。import命令導入到hdfs中默認採用','進行分割字段值，導入到hive中默認採用'\u0001'來進行分割字段值，若是有特殊的分割方式，咱們能夠經過參數指定。import命令導入到hive的時候，會先在/user/$(user.name)/文件夾下建立一個同關係型數據庫表名的一個文件夾做中轉文件夾，若是該文件夾存在，則報錯。能夠經過命令sqoop help import 查看幫助命令。
a、import命令，將mysql表tb_user中的數據導入hive的user表，hive的user表不存在。
[hadoop@slaver1 sqoop-1.4.5-cdh5.3.6]$ sqoop import --connect jdbc:mysql://slaver1:3306/test --username hive --password hive --table tb_user --hive-table user --hive-import -m 1
b、在a的基礎上，分別進行overwrite（覆蓋），導入和into(直接加入)導入。
into直接導入命令同a的實例。
overwrite以下所示（因爲數據表相同，記得刪除hdfs上面的數據表）：
[hadoop@slaver1 sqoop-1.4.5-cdh5.3.6]$ sqoop import --connect jdbc:mysql://slaver1:3306/test --username hive --password hive --table tb_user --hive-table user --hive-import -m 1 --hive-overwrite
c、在b的基礎上，經過增長mysql的tb_user表的數據，增量導入到hive表中。
[hadoop@slaver1 sqoop-1.4.5-cdh5.3.6]$ sqoop import --connect jdbc:mysql://slaver1:3306/test --username hive --password hive --table tb_user --where "id>=5" --hive-table user --hive-import -m 1
d、將tb_user表中的數據導出到使用','分割字段的hive表中。
hive> create table user2(id int,name string,phone string)
> row format delimited
> fields terminated by ',';
[hadoop@slaver1 sqoop-1.4.5-cdh5.3.6]$ sqoop import --connect jdbc:mysql://slaver1:3306/test --username hive --password hive --table tb_user --hive-table user2 --hive-import -m 1 --fields-terminated-by ","
e、將tb_user表的數據導入到hdfs中。
[hadoop@slaver1 sqoop-1.4.5-cdh5.3.6]$ sqoop import --connect jdbc:mysql://slaver1:3306/test --username hive --password hive --table tb_user --target-dir /test --m 1
f、在d的基礎上，增量導出數據到hdfs中。
[hadoop@slaver1 sqoop-1.4.5-cdh5.3.6]$ sqoop import --connect jdbc:mysql://slaver1:3306/test --username hive --password hive --table tb_user --target-dir /test --m 1 --check-column id --incremental append --last-value 8
7）、export命令的主要做用是將hdfs文件數據導入到關係型數據庫中，不支持從hive和Hbase中導出數據，可是因爲hive的底層就是hdfs的一個基本文件，因此能夠將hive導出數據轉換爲從hdfs導出數據。導出數據的時候，默認字段分割方式是',',因此若是hive的字段分割不是',',那麼就須要設計成對應格式的分割符號。能夠經過命令：sqoop hep export查看幫助文檔。
注意：前提條件，關係型數據庫中目的表已經存在。
a、將hdfs上的文件導出到關係型數據庫數據表中。
[hadoop@slaver1 ~]$ sqoop export --connect jdbc:mysql://slaver1:3306/test --username hive --password hive --table tb_user_copy --export-dir /test
待續......
相關文章
- 1. 基於Hadoop離線大數據分析平臺項目實戰
- 2. Hadoop集羣部署實戰(cdh發行版)
- 3. Hadoop項目之基於CentOS7的Cloudera 5.10.1（CDH）的安裝部署
- 4. Hadoop集羣部署實戰
- 5. 離線部署 CDH 5.12.1 及使用 CDH 部署 Hadoop 大數據平臺集羣服務
- 6. Hadoop集羣安裝部署
- 7. cdh 安裝hadoop集羣
- 8. CDH集羣部署
- 9. 基於Hadoop HA集羣部署HBase HA集羣（詳細版）
- 10. 《Spark與Hadoop大數據分析》——2.4 安裝 Hadoop 和 Spark 集羣
- 更多相關文章...
- • Eclipse 安裝(Neon 版本) - Eclipse 教程
- • Thymeleaf項目實踐 - Thymeleaf 教程
- • Composer 安裝與使用
- • ☆基於Java Instrument的Agent實現
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章