當我說要作大數據工程師時他們都笑我，直到三個月後……轉

時間 2019-11-11

標籤作大數據工程師他們直到三個月後简体版

原文原文鏈接

GitChat 做者：Fickr孫啟誠
原文：三個月大數據研發學習計劃實戰解析
關注微信公衆號：「GitChat 技術雜談」一本正經的講技術html

【不要錯過文末彩蛋】前端

申明：java

本文旨在爲普通程序員（Java程序員最佳）提供一個入門級別的大數據技術學習路徑，不適用於大數據工程師的進階學習，也不適用於零編程基礎的同窗。node

前言：mysql

1、背景介紹
2、大數據介紹

正文：linux

1、大數據相關的工做介紹
2、大數據工程師的技能要求
3、大數據學習規劃
4、持續學習資源推薦（書籍，博客，網站）
5、項目案例分析（批處理+實時處理）

前言

1、背景介紹

本人目前是一名大數據工程師，項目數據50T，日均數據增加20G左右，我的是從Java後端開發，通過3個月的業餘自學成功轉型大數據工程師。nginx

2、大數據介紹

大數據本質也是數據，可是又有了新的特徵，包括數據來源廣、數據格式多樣化（結構化數據、非結構化數據、Excel文件、文本文件等）、數據量大（最少也是TB級別的、甚至多是PB級別）、數據增加速度快等。git

針對以上主要的4個特徵咱們須要考慮如下問題：程序員

數據來源廣，該如何採集彙總？，對應出現了Sqoop，Cammel，Datax等工具。github
數據採集以後，該如何存儲？，對應出現了GFS，HDFS，TFS等分佈式文件存儲系統。
因爲數據增加速度快，數據存儲就必須能夠水平擴展。
數據存儲以後，該如何經過運算快速轉化成一致的格式，該如何快速運算出本身想要的結果？

對應的MapReduce這樣的分佈式運算框架解決了這個問題；可是寫MapReduce須要Java代碼量很大，因此出現了Hive，Pig等將SQL轉化成MapReduce的解析引擎；

普通的MapReduce處理數據只能一批一批地處理，時間延遲太長，爲了實現每輸入一條數據就能獲得結果，因而出現了Storm/JStorm這樣的低時延的流式計算框架；

可是若是同時須要批處理和流處理，按照如上就得搭兩個集羣，Hadoop集羣（包括HDFS+MapReduce+Yarn）和Storm集羣，不易於管理，因此出現了Spark這樣的一站式的計算框架，既能夠進行批處理，又能夠進行流處理（實質上是微批處理）。
然後Lambda架構，Kappa架構的出現，又提供了一種業務處理的通用架構。
爲了提升工做效率，加快運速度，出現了一些輔助工具：
- Ozzie，azkaban：定時任務調度的工具。
- Hue，Zepplin：圖形化任務執行管理，結果查看工具。
- Scala語言：編寫Spark程序的最佳語言，固然也能夠選擇用Python。
- Python語言：編寫一些腳本時會用到。
- Allluxio，Kylin等：經過對存儲的數據進行預處理，加快運算速度的工具。

以上大體就把整個大數據生態裏面用到的工具所解決的問題列舉了一遍，知道了他們爲何而出現或者說出現是爲了解決什麼問題，進行學習的時候就有的放矢了。

正文

1、大數據相關工做介紹

大數據方向的工做目前主要分爲三個主要方向:

大數據工程師
數據分析師
大數據科學家
其餘（數據挖掘等）

2、大數據工程師的技能要求

附上大數據工程師技能圖：

必須掌握的技能11條

Java高級(虛擬機、併發)
Linux 基本操做
Hadoop（HDFS+MapReduce+Yarn ）
HBase（JavaAPI操做+Phoenix ）
Hive(Hql基本操做和原理理解）
Kafka
Storm/JStorm
Scala
Python
Spark (Core+sparksql+Spark streaming ）
輔助小工具(Sqoop/Flume/Oozie/Hue等)

高階技能6條

機器學習算法以及mahout庫加MLlib
R語言
Lambda 架構
Kappa架構
Kylin
Alluxio

3、學習路徑

假設天天能夠抽出3個小時的有效學習時間，加上週末天天保證10個小時的有效學習時間；

3個月會有（21*3+4*2*10）*3=423小時的學習時間。

第一階段（基礎階段）

1）Linux學習（跟鳥哥學就ok了）—–20小時

Linux操做系統介紹與安裝。
Linux經常使用命令。
Linux經常使用軟件安裝。
Linux網絡。
防火牆。
Shell編程等。

官網：https://www.centos.org/download/
中文社區：http://www.linuxidc.com/Linux/2017-09/146919.htm

2）Java 高級學習（《深刻理解Java虛擬機》、《Java高併發實戰》）—30小時

掌握多線程。
掌握併發包下的隊列。
瞭解JMS。
掌握JVM技術。
掌握反射和動態代理。

官網：https://www.java.com/zh_CN/
中文社區：http://www.java-cn.com/index.html

3）Zookeeper學習（能夠參照這篇博客進行學習：http://www.cnblogs.com/wuxl360/p/5817471.html）

Zookeeper分佈式協調服務介紹。
Zookeeper集羣的安裝部署。
Zookeeper數據結構、命令。
Zookeeper的原理以及選舉機制。

官網：http://zookeeper.apache.org/
中文社區：http://www.aboutyun.com/forum-149-1.html

第二階段（攻堅階段）

4）Hadoop （《Hadoop 權威指南》）—80小時

HDFS
- HDFS的概念和特性。
- HDFS的shell操做。
- HDFS的工做機制。
- HDFS的Java應用開發。
MapReduce
- 運行WordCount示例程序。
- 瞭解MapReduce內部的運行機制。
  - MapReduce程序運行流程解析。
  - MapTask併發數的決定機制。
  - MapReduce中的combiner組件應用。
  - MapReduce中的序列化框架及應用。
  - MapReduce中的排序。
  - MapReduce中的自定義分區實現。
  - MapReduce的shuffle機制。
  - MapReduce利用數據壓縮進行優化。
  - MapReduce程序與YARN之間的關係。
  - MapReduce參數優化。
MapReduce的Java應用開發

官網：http://hadoop.apache.org/
中文文檔：http://hadoop.apache.org/docs/r1.0.4/cn/
中文社區：http://www.aboutyun.com/forum-143-1.html

5）Hive（《Hive開發指南》）–20小時

Hive 基本概念
- Hive 應用場景。
- Hive 與hadoop的關係。
- Hive 與傳統數據庫對比。
- Hive 的數據存儲機制。
Hive 基本操做
- Hive 中的DDL操做。
- 在Hive 中如何實現高效的JOIN查詢。
- Hive 的內置函數應用。
- Hive shell的高級使用方式。
- Hive 經常使用參數配置。
- Hive 自定義函數和Transform的使用技巧。
- Hive UDF/UDAF開發實例。
Hive 執行過程分析及優化策略

官網：https://hive.apache.org/
中文入門文檔：http://www.aboutyun.com/thread-11873-1-1.html
中文社區：http://www.aboutyun.com/thread-7598-1-1.html

6）HBase（《HBase權威指南》）—20小時

hbase簡介。
habse安裝。
hbase數據模型。
hbase命令。
hbase開發。
hbase原理。

官網：http://hbase.apache.org/
中文文檔：http://abloz.com/hbase/book.html
中文社區：http://www.aboutyun.com/forum-142-1.html

7）Scala（《快學Scala》）–20小時

Scala概述。
Scala編譯器安裝。
Scala基礎。
數組、映射、元組、集合。
類、對象、繼承、特質。
模式匹配和樣例類。
瞭解Scala Actor併發編程。
理解Akka。
理解Scala高階函數。
理解Scala隱式轉換。

官網：http://www.scala-lang.org/
初級中文教程：http://www.runoob.com/scala/scala-tutorial.html

8）Spark （《Spark 權威指南》）—60小時

Spark core
- Spark概述。
- Spark集羣安裝。
- 執行第一個Spark案例程序（求PI）。
RDD
- RDD概述。
- 建立RDD。
- RDD編程API（Transformation 和 Action Operations）。
- RDD的依賴關係
- RDD的緩存
- DAG（有向無環圖）
Spark SQL and DataFrame/DataSet
- Spark SQL概述。
- DataFrames。
- DataFrame經常使用操做。
- 編寫Spark SQL查詢程序。
Spark Streaming
- park Streaming概述。
- 理解DStream。
- DStream相關操做（Transformations 和 Output Operations）。
Structured Streaming
其餘（MLlib and GraphX ）

這個部分通常工做中若是不是數據挖掘，機器學習通常用不到，能夠等到須要用到的時候再深刻學習。

官網：http://spark.apache.org
中文文檔（可是版本有點老）：https://www.gitbook.com/book/aiyanbo/spark-programming-guide-zh-cn/details
中文社區：http://www.aboutyun.com/forum-146-1.html

9）Python (推薦廖雪峯的博客—30小時

10）本身用虛擬機搭建一個集羣，把全部工具都裝上，本身開發一個小demo —30小時

能夠本身用VMware搭建4臺虛擬機，而後安裝以上軟件，搭建一個小集羣（本人親測，I7，64位，16G內存，徹底能夠運行起來，如下附上我學習時用虛擬機搭建集羣的操做文檔）

集羣搭建文檔1.0版本

1. 集羣規劃

全部須要用到的軟件：

連接：http://pan.baidu.com/s/1jIlAz2Y
密碼：kyxl

2. 前期準備

2.0 系統安裝

2.1 主機名配置

    2.1.0 vi /etc/sysconfig/network
        NETWORKING=yes

    2.1.1 vi /etc/sysconfig/network
        NETWORKING=yes
        HOSTNAME=ys02

    2.1.2 vi /etc/sysconfig/network
        NETWORKING=yes

    2.1.3 vi /etc/sysconfig/network
        NETWORKING=yes
        HOSTNAME=ys04

2.2 host文件修改
    2.2.0 vi /etc/hosts
        10.1.1.149 ys01
        10.1.1.148 ys02
        10.1.1.146 ys03
        10.1.1.145 ys04
2.3 關閉防火牆(centos 7默認使用的是firewall，centos 6 默認是iptables)

    2.3.0 systemctl stop firewalld.service （中止firewall）

    2.3.1 systemctl disable firewalld.service （禁止firewall開機啓動）

    2.3.2 firewall-cmd --state （查看默認防火牆狀態（關閉後顯示notrunning，開啓後顯示running）

2.4 免密登陸(ys01 ->ys02,03,04)
    ssh-keygen -t rsa
    ssh-copy-id ys02(隨後輸入密碼)
    ssh-copy-id ys03（隨後輸入密碼）
    ssh-copy-id ys04（隨後輸入密碼）
    ssh ys02(測試是否成功)
    ssh ys03(測試是否成功)
    ssh ys04(測試是否成功)

2.5 系統時區與時間同步
    tzselect（生成日期文件）
    cp /usr/share/zoneinfo/Asia/Shanghai  /etc/localtime（將日期文件copy到本地時間中）

3. 軟件安裝

3.0 安裝目錄規劃（軟件爲全部用戶公用）

    3.0.0全部軟件的安裝放到/usr/local/ys/soft目錄下(mkdir /usr/local/ys/soft)

    3.0.1全部軟件安裝到/usr/local/ys/app目錄下(mkdir /usr/local/ys/app)

 3.1 JDK（jdk1.7）安裝

    3.1.1 alt+p 後出現sftp窗口，cd /usr/local/ys/soft，使用sftp上傳tar包到虛機ys01的/usr/local/ys/soft目錄下

    3.1.2解壓jdk
      cd /usr/local/ys/soft
        #解壓
        tar -zxvf jdk-7u80-linux-x64.tar.gz -C /usr/local/ys/app

    3.1.3將java添加到環境變量中
    vim /etc/profile
    #在文件最後添加
    export JAVA_HOME= /usr/local/ys/app/ jdk-7u80
    export PATH=$PATH:$JAVA_HOME/bin

    3.1.4 刷新配置
    source /etc/profile

3.2 Zookeeper安裝

    3.2.0解壓
    tar -zxvf zookeeper-3.4.5.tar.gz -C /usr/local/ys/app（解壓）

    3.2.1 重命名
    mv zookeeper-3.4.5 zookeeper（重命名文件夾zookeeper-3.4.5爲zookeeper）

    3.2.2修改環境變量
    vi /etc/profile(修改文件)
    添加內容：
    export ZOOKEEPER_HOME=/usr/local/ys/app/zookeeper
    export PATH=$PATH:$ZOOKEEPER_HOME/bin

    3.2.3 從新編譯文件：
    source /etc/profile
    注意：3臺zookeeper都須要修改

    3.2.4修改配置文件
    cd zookeeper/conf
    cp zoo_sample.cfg zoo.cfg
    vi zoo.cfg
    添加內容：
    dataDir=/usr/local/ys/app/zookeeper/data
    dataLogDir=/usr/local/ys/app/zookeeper/log
    server.1=ys01:2888:3888 (主機名, 心跳端口、數據端口)
    server.2=ys02:2888:3888
    server.3=ys04:2888:3888

    3.2.5 建立文件夾
    cd /usr/local/ys/app/zookeeper/
    mkdir -m 755 data
    mkdir -m 755 log

    3.2.6 在data文件夾下新建myid文件，myid的文件內容爲：
    cd data
    vi myid
    添加內容：
        1
    將集羣下發到其餘機器上
    scp -r /usr/local/ys/app/zookeeper ys02:/usr/local/ys/app/
    scp -r /usr/local/ys/app/zookeeper ys04:/usr/local/ys/app/

    3.2.7修改其餘機器的配置文件
    到ys02上：修改myid爲：2
    到ys02上：修改myid爲：3

    3.2.8啓動（每臺機器）
    zkServer.sh start
    查看集羣狀態
    jps（查看進程）
    zkServer.sh status（查看集羣狀態，主從信息）

3.3 Hadoop（HDFS+Yarn）

    3.3.0 alt+p 後出現sftp窗口，使用sftp上傳tar包到虛機ys01的/usr/local/ys/soft目錄下

    3.3.1 解壓jdk
      cd /usr/local/ys/soft
        #解壓
        tar -zxvf cenos-7-hadoop-2.6.4.tar.gz -C /usr/local/ys/app

    3.3.2 修改配置文件

core-site.xml

hdfs-site.xml

yarn-sifite.xml

svales

ys02
ys03
ys04

3.3.3集羣啓動（嚴格按照下面的步驟）
    3.3.3.1啓動zookeeper集羣（分別在ys0一、ys0二、ys04上啓動zk）
        cd /usr/local/ys/app/zookeeper-3.4.5/bin/
        ./zkServer.sh start
        #查看狀態：一個leader，兩個follower
        ./zkServer.sh status

    3.3.3.2啓動journalnode（分別在在mini五、mini六、mini7上執行）
        cd /usr/local/ys/app/hadoop-2.6.4
        sbin/hadoop-daemon.sh start journalnode
        #運行jps命令檢驗，ys0二、ys0三、ys04上多了JournalNode進程

    3.3.3.3格式化HDFS
        #在ys01上執行命令:
        hdfs namenode -format
        #格式化後會在根據core-site.xml中的hadoop.tmp.dir配置生成個文件，這裏我配置的是/usr/local/ys/app/hadoop-2.6.4/tmp，而後將/usr/local/ys/app/hadoop-2.6.4/tmp拷貝到ys02的/usr/local/ys/app/hadoop-2.6.4/下。
        scp -r tmp/ ys02:/usr/local/ys /app/hadoop-2.6.4/
        ##也能夠這樣，建議hdfs namenode -bootstrapStandby

    3.3.3.4格式化ZKFC(在ys01上執行一次便可)
        hdfs zkfc -formatZK

    3.3.3.5啓動HDFS(在ys01上執行)
        sbin/start-dfs.sh

    3.3.3.6啓動YARN
        sbin/start-yarn.sh

3.3MySQL-5.6安裝
    略過

3.4 Hive

    3.4.1 alt+p 後出現sftp窗口，cd /usr/local/ys/soft，使用sftp上傳tar包到虛機ys01的/usr/local/ys/soft目錄下

    3.4.2解壓
    cd /usr/local/ys/soft
tar -zxvf hive-0.9.0.tar.gz -C /usr/local/ys/app

    3.4.3 .配置hive

        3.4.3.1配置HIVE_HOME環境變量  vi conf/hive-env.sh 配置其中的$hadoop_home

        3.4.3.2配置元數據庫信息   vi  hive-site.xml

添加以下內容：

3.4.4 安裝hive和mysq完成後，將mysql的鏈接jar包拷貝到$HIVE_HOME/lib目錄下
    若是出現沒有權限的問題，在mysql受權(在安裝mysql的機器上執行)
    mysql -uroot -p
    #(執行下面的語句  *.*:全部庫下的全部表   %：任何IP地址或主機均可以鏈接)
    GRANT ALL PRIVILEGES ON *.* TO 'root'@'%' IDENTIFIED BY 'root' WITH GRANT OPTION;
    FLUSH PRIVILEGES;

    3.4.5 Jline包版本不一致的問題，須要拷貝hive的lib目錄中jline.2.12.jar的jar包替換掉hadoop中的 /usr/local/ys/app/hadoop-2.6.4/share/hadoop/yarn/lib/jline-0.9.94.jar

    3.4.6啓動hive
    bin/hive

3.5 Kafka
    3.5.1 下載安裝包
    http://kafka.apache.org/downloads.html
    在linux中使用wget命令下載安裝包
    wget http://mirrors.hust.edu.cn/apache/kafka/0.8.2.2/kafka_2.11-0.8.2.2.tgz

  3.5.2 解壓安裝包
    tar -zxvf /usr/local/ys/soft/kafka_2.11-0.8.2.2.tgz -C /usr/local/ys/app/
cd /usr/local/ys/app/
ln -s kafka_2.11-0.8.2.2 kafka

  3.5.3 修改配置文件
    cp 
    /usr/local/ys/app/kafka/config/server.properties
   /usr/local/ys/app/kafka/config/server.properties.bak
    vi  /usr/local/ys/kafka/config/server.properties

輸入如下內容：

3.5.4 分發安裝包
    scp -r /usr/local/ys/app/kafka_2.11-0.8.2.2 ys02: /usr/local/ys/app/
    scp -r /usr/local/ys/app/kafka_2.11-0.8.2.2 ys03: /usr/local/ys/app/
    scp -r /usr/local/ys/app/kafka_2.11-0.8.2.2 ys04: /usr/local/ys/app/
    而後分別在各機器上建立軟連
    cd /usr/local/ys/app/
    ln -s kafka_2.11-0.8.2.2 kafka

 3.5.5 再次修改配置文件（重要）
   依次修改各服務器上配置文件的的broker.id，分別是0,1,2不得重複。

 3.5.6 啓動集羣
    依次在各節點上啓動kafka
    bin/kafka-server-start.sh  config/server.properties

3.6 Spark

    3.6.1 alt+p 後出現sftp窗口，cd /usr/local/ys/soft，使用sftp上傳tar包到虛機ys01的/usr/local/ys/soft目錄下

    3.6.2  解壓安裝包
tar -zxvf /usr/local/ys/soft/ spark-1.6.1-bin-hadoop2.6.tgz -C /usr/local/ys/app/

    3.6.3 修改Spark配置文件(兩個配置文件spark-env.sh和slaves)
    cd /usr/local/ys/soft/spark-1.6.1-bin-hadoop2.6
    進入conf目錄並重命名並修改spark-env.sh.template文件
    cd conf/
    mv spark-env.sh.template spark-env.sh
    vi spark-env.sh
    在該配置文件中添加以下配置
    export JAVA_HOME=/usr/java/jdk1.7.0_45
    export SPARK_MASTER_PORT=7077
    export SPARK_DAEMON_JAVA_OPTS="-Dspark.deploy.recoveryMode=ZOOKEEPER -Dspark.deploy.zookeeper.url=ys01,ys02,ys04 -Dspark.deploy.zookeeper.dir=/spark"
    保存退出
    重命名並修改slaves.template文件
    mv slaves.template slaves
    vi slaves
    在該文件中添加子節點所在的位置（Worker節點）
    Ys02
    Ys03
    Ys04
    保存退出

    3.6.4 將配置好的Spark拷貝到其餘節點上
    scp -r spark-1.6.1-in-hadoop2.6/ ys02:/usr/local/ys/app
    scp -r spark-1.6.1-bin-hadoop2.6/ ys03:/usr/local/ys/app
    scp -r spark-1.6.1-bin-hadoop2.6/ ys04:/usr/local/ys/app

    3.6.5 集羣啓動
    在ys01上執行sbin/start-all.sh腳本
    而後在ys02上執行sbin/start-master.sh啓動第二個Master

3.7 Azkaban

    3.7.1 azkaban web服務器安裝
        解壓azkaban-web-server-2.5.0.tar.gz
        命令: tar –zxvf /usr/local/ys/soft/azkaban-web-server-2.5.0.tar.gz -C /usr/local/ys/app/azkaban
       將解壓後的azkaban-web-server-2.5.0 移動到 azkaban目錄中,並從新命名 webserver
     命令: mv azkaban-web-server-2.5.0 ../azkaban
       cd ../azkaban
        mv azkaban-web-server-2.5.0   webserver

     3.7.2 azkaban 執行服器安裝
         解壓azkaban-executor-server-2.5.0.tar.gz
         命令:tar –zxvf /usr/local/ys/soft/azkaban-executor-server-2.5.0.tar.gz -C /usr/local/ys/app/azkaban
     將解壓後的azkaban-executor-server-2.5.0 移動到 azkaban目錄中,並從新命名 executor
   命令:mv azkaban-executor-server-2.5.0  ../azkaban
   cd ../azkaban
   mv azkaban-executor-server-2.5.0  executor

    3.7.3 azkaban腳本導入
        解壓: azkaban-sql-script-2.5.0.tar.gz
        命令:tar –zxvf azkaban-sql-script-2.5.0.tar.gz
        將解壓後的mysql 腳本,導入到mysql中:
        進入mysql
        mysql> create database azkaban;
        mysql> use azkaban;
        Database changed
        mysql> source /usr/local/ys/soft/azkaban-2.5.0/create-all-sql-2.5.0.sql;

    3.7.4 建立SSL配置
    參考地址: http://docs.codehaus.org/display/JETTY/How+to+configure+SSL
    命令: keytool -keystore keystore -alias jetty -genkey -keyalg RSA
    運行此命令後,會提示輸入當前生成 keystor的密碼及相應信息,輸入的密碼請勞記,信息以下(此處我輸入的密碼爲：123456)
    輸入keystore密碼： 
    再次輸入新密碼:
    您的名字與姓氏是什麼？
    [Unknown]： 
    您的組織單位名稱是什麼？
    [Unknown]： 
    您的組織名稱是什麼？
    [Unknown]： 
    您所在的城市或區域名稱是什麼？
    [Unknown]： 
    您所在的州或省份名稱是什麼？
    [Unknown]： 
    該單位的兩字母國家代碼是什麼
     [Unknown]：  CN
    CN=Unknown, OU=Unknown, O=Unknown, L=Unknown, ST=Unknown, C=CN 正確嗎？
    [否]：  y
輸入<jetty>的主密碼（若是和 keystore 密碼相同，按回車）： 
再次輸入新密碼
完成上述工做後,將在當前目錄生成 keystore 證書文件,將keystore 考貝到 azkaban web服務器根目錄中.如:cp keystore azkaban/webserver

    3.7.5 配置文件
    注：先配置好服務器節點上的時區
    先生成時區配置文件Asia/Shanghai，用交互式命令 tzselect 便可
    拷貝該時區文件，覆蓋系統本地時區配置
    cp /usr/share/zoneinfo/Asia/Shanghai /etc/localtime  

    3.7.6 azkaban web服務器配置
    進入azkaban web服務器安裝目錄 conf目錄
    修改azkaban.properties文件
    命令vi azkaban.properties

內容說明以下：

*Azkaban Personalization Settings
azkaban.name=Test #服務器UI名稱,用於服務器上方顯示的名字 azkaban.label=My Local Azkaban #描述 azkaban.color=#FF3601 #UI顏色 azkaban.default.servlet.path=/index # web.resource.dir=web/ #默認根web目錄 default.timezone.id=Asia/Shanghai #默認時區,已改成亞洲/上海 默認爲美國 *Azkaban UserManager class user.manager.class=azkaban.user.XmlUserManager #用戶權限管理默認類 user.manager.xml.file=conf/azkaban-users.xml #用戶配置,具體配置參加下文 *Loader for projects executor.global.properties=conf/global.properties # global配置文件所在位置 azkaban.project.dir=projects # database.type=mysql #數據庫類型 mysql.port=3306 #端口號 mysql.host=localhost #數據庫鏈接IP mysql.database=azkaban #數據庫實例名 mysql.user=root #數據庫用戶名 mysql.password=Root123456 #數據庫密碼 mysql.numconnections=100 #最大鏈接數 * Velocity dev mode velocity.dev.mode=false * Jetty服務器屬性. jetty.maxThreads=25 #最大線程數 jetty.ssl.port=8443 #Jetty SSL端口 jetty.port=8081 #Jetty端口 jetty.keystore=keystore #SSL文件名 jetty.password=123456 #SSL文件密碼 jetty.keypassword=123456 #Jetty主密碼 與 keystore文件相同 jetty.truststore=keystore #SSL文件名 jetty.trustpassword=123456 # SSL文件密碼 * 執行服務器屬性 executor.port=12321 #執行服務器端 *郵件設置 mail.sender=xxxxxxxx@163.com #發送郵箱 mail.host=smtp.163.com #發送郵箱smtp地址 mail.user=xxxxxxxx #發送郵件時顯示的名稱 mail.password=********** #郵箱密碼 job.failure.email=xxxxxxxx@163.com #任務失敗時發送郵件的地址 job.success.email=xxxxxxxx@163.com #任務成功時發送郵件的地址 lockdown.create.projects=false # cache.directory=cache #緩存目錄 3.7.7azkaban 執行服務器executor配置 進入執行服務器安裝目錄conf,修改azkaban.properties vi azkaban.properties *Azkaban default.timezone.id=Asia/Shanghai #時區 * Azkaban JobTypes 插件配置 azkaban.jobtype.plugin.dir=plugins/jobtypes #jobtype 插件所在位置 *Loader for projects executor.global.properties=conf/global.properties azkaban.project.dir=projects *數據庫設置 database.type=mysql #數據庫類型(目前只支持mysql) mysql.port=3306 #數據庫端口號 mysql.host=192.168.20.200 #數據庫IP地址 mysql.database=azkaban #數據庫實例名 mysql.user=root #數據庫用戶名 mysql.password=Root23456 #數據庫密碼 mysql.numconnections=100 #最大鏈接數 *執行服務器配置 executor.maxThreads=50 #最大線程數 executor.port=12321 #端口號(如修改,請與web服務中一致) executor.flow.threads=30 #線程數

3.7.8用戶配置
    進入azkaban web服務器conf目錄,修改azkaban-users.xml
    vi azkaban-users.xml 增長 管理員用戶

3.7.9 web服務器啓動
    在azkaban web服務器目錄下執行啓動命令
    bin/azkaban-web-start.sh
    注:在web服務器根目錄運行
    或者啓動到後臺
    nohup  bin/azkaban-web-start.sh  1>/tmp/azstd.out  2>/tmp/azerr.out &

    3.7.10執行服務器啓動

    在執行服務器目錄下執行啓動命令
    bin/azkaban-executor-start.sh
    注:只能要執行服務器根目錄運行

    啓動完成後,在瀏覽器(建議使用谷歌瀏覽器)中輸入https://服務器IP地址:8443 ,便可訪問azkaban服務了.在登陸中輸入剛纔新的戶用名及密碼,點擊 login

3.8 Zeppelin
參照以下文件：
http://blog.csdn.net/chengxuyuanyonghu/article/details/54915817
http://blog.csdn.net/chengxuyuanyonghu/article/details/54915962

3.9 HBase
    3.9.1解壓
    tar –zxvf  /usr/local/ys/soft/hbase-0.99.2-bin.tar.gz  -C /usr/local/ys/app

    3.9.2重命名
    cd  /usr/local/ys/app
    mv hbase-0.99.2 hbase

    3.9.3修改配置文件
     每一個文件的解釋以下：
    hbase-env.sh
    export JAVA_HOME=/usr/local/ys/app/jdk1.7.0_80   //jdk安裝目錄
    export HBASE_CLASSPATH=/usr/local/ys/app/hadoop-2.6.4/etc/hadoop  //hadoop配置文件的位置
    export HBASE_MANAGES_ZK=false #若是使用獨立安裝的zookeeper這個地方就是false（此處使用本身的zookeeper）

hbase-site.xml

Regionservers    //是從機器的域名
Ys02
ys03
ys04

注：此處HBase配置是針對HA模式的hdfs

    3.9.4將Hadoop的配置文件hdfs-site.xml和core-site.xml拷貝到HBase配置文件中
    cp /usr/local/ys/app/Hadoop-2.6.4/etc/hadoop/hdfs-site.xml /usr/local/ys/app/hbase/conf
    cp /usr/local/ys/app/hadoop-2.6.4/etc/hadoop/core-site.xml /usr/local/ys/app/hbase/conf

    3.9.5發放到其餘機器
    scp –r /usr/local/ys/app/hbase ys02: /usr/local/ys/app
    scp –r /usr/local/ys/app/hbase ys03: /usr/local/ys/app
    scp –r /usr/local/ys/app/hbase ys04: /usr/local/ys/app

    3.9.6啓動
    cd  /usr/local/ys/app/hbase/bin
    ./ start-hbase.sh

    3.9.7查看
    進程：jps
    進入hbase的shell：hbase shell
    退出hbase的shell：quit
    頁面：http://master:60010/ 

3.10KAfkaOffsetMonitor(Kafka集羣的監控程序，本質就是一個jar包)

    3.10.1上傳jar包
    略

3.10.2 運行jar包
nohup java -cp KafkaOffsetMonitor-assembly-0.2.1.jar com.quantifind.kafka.offsetapp.OffsetGetterWeb --zk ys01,ys02,ys04 --refresh 5.minutes --retain 1.day --port 8089 $

4. 集羣調優

4.1 輔助工具儘可能不安裝到數據或者運算節點，避免佔用過多計算或內存資源。

4.2 dataNode和spark的slave節點儘可能在一塊兒；這樣運算的時候就能夠避免經過網絡拉取數據，加快運算速度。

4.3 Hadoop集羣機架感知配置，配置以後可使得數據在同機架的不一樣機器2份，而後其餘機架機器1份，但是兩臺機器四臺虛機沒有必要配感知我的感受。

4.4 配置參數調優
能夠參考http://blog.csdn.net/chndata/article/details/46003399

第三階段（輔助工具工學習階段）

11）Sqoop（CSDN，51CTO ，以及官網）—20小時