Hadoop2.5.0 搭建实录 Hadoop HA Oozie-4.0.0-cdh5.3.6搭建

时间 2019-12-06

标签 hadoop2.5.0 hadoop 搭建实录 oozie 4.0.0 cdh5.3.6 cdh 栏目 Hadoop 繁體版

原文原文链接

第一步：准备相关材料

我是要在另外一台新服务器上搭建ESXi，部署了5个虚拟机，用 vSphere Client 管理。(注：若是选择CD/DVD驱动器的时候，一直显示正在链接，则须要重启客户端)
apache

这里我选用的是Cloudera公司的CDH版本，问题少一些，而且能够配套下载，避免遇到各类兼容问题。下载地址bootstrap

CentOS-7-x86_64-Minimal-1511 。这个版本功能包罗万象，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：提早预览须要修改的相关文件

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，并且环境变量全在各自的安装目录配置文件中设定(也能够在~/.bashrc 中统一设置)

环境变量

hadoop
1. 　　/opt/hadoop-xx/etc/hadoop/hadoop-env.sh
2. 　　/opt/hadoop-xx/etc/hadoop/yarn-env.sh
3. 　　/opt/hadoop-xx/etc/hadoop/mapred-env.sh
hbase
1. 　　/opt/hbase-xx/conf/hbase-env.sh
hive
1. 　　/opt/hive-xx/conf/hive-env.sh
sqoop
1. 　　/opt/sqoop-xx/conf/sqoop-env.sh

配置文件

hadoop
1. 　　/opt/hadoop-xx/etc/hadoop/slaves
2. 　　/opt/hadoop-xx/etc/hadoop/core-site.xml
3. 　　/opt/hadoop-xx/etc/hadoop/hdfs-site.xml
4. 　　/opt/hadoop-xx/etc/hadoop/mapred-site.xml
5. 　　/opt/hadoop-xx/etc/hadoop/yarn-site.xml
hbase
1. 　　/opt/hbase-xx/conf/hbase-site.xml
2. 　　/opt/hbase-xx/conf/backup-masters
3. 　　/opt/hbase-xx/conf/regionservers
zookeeper
1. 　　/opt/zookeeper-xx/conf/zoo.cfg
2. 　　在指定的目录 dataDir下建立文件myid
hive
1. 　　/opt/hive-xx/conf/hive-site.xml
sqoop
1. 　　/opt/sqoop-xx/bin/configure-sqoop

第二步：虚拟机环境搭建

使用 vSphere Client 建立虚拟机并指定本身下载的CentOS文件，先不设置网络，启动。
用root用户登陆，而后经过修改 /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  #这个必需要有

节点配置图

第三步：用户信息

为了之后的模块化管理，打算hadoop，hbase，hive等等都单独建用户

由于这5台机器建立用户，配置权限等的操做是同样的，咱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。

由于我用的是Xshell，使用【Alt + t , k】或者【工具】->【发送键输入到全部会话】，这样只要在一个会话中输入命令，全部打开的会话都会执行，就像是同时在这5台机器上敲命令同样。

su  #使用root用户
useradd -m hadoop -s  /bin/bash  #用一样方式建立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的权限便可

接下来就是安装SSH、配置SSH无密码登录

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

-----------------------------------若是是非root用户，下面这一步必需要作----------------------------------------------------

chmod 700 ~/.ssh #修改文件夹权限 mkdir生成的文件夹默认是775，必须改为700；用ssh localhost生成的文件夹也能够

上面介绍的SSH免密登陆本机的，而咱们的登陆关系是这样的

因此还要分别赋予公钥

将NameNode1,NameNode2的公钥分别加入对方的受权文件
将NameNode1的公钥分别加入DataNode1,DataNode2,DataNode3的受权文件
将NameNode2的公钥分别加入DataNode1,DataNode2,DataNode3的受权文件
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

而后在 /etc/environment 中保存JAVA_HOME变量

sudo vi /etc/environment

内容以下

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

经过scp 将安装包复制到其余机器
在每个机器上的对应位置建立 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
#由于zoo.cfg文件中 NameNode2前面的数字是1 因此写入1便可
#若是DataNode3的话就须要写4
```
注：必定要建立这两个目录不然报错【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，须要作时间同步，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 #若是没有安装ntpdate的话，须要先安装

sudo ntpdate time.nist.gov
```
启动服务
```
bin/zkServer.sh start
```
　　
查看状态（注意：/etc/hosts中必需要有 127.0.0.1 与 localhost的映射，不然zk之间没法链接）
```
bin/zkServer.sh status
```

第6步 Hadoop安装、配置

在/opt下面建立一个文件夹 software并更改用户组

cd /opt
sudo mkdir software
sudo chown -R hadoop:hadoop software

　　而后全部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作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>

    <!--这里必需要加上前缀 file://  不然会出现警告 should be specified as a URI in configuration files.并没有法启动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，可是用了以后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若是要作HA，这里之后必需要改为Nameservice，不然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，通常都是由于以前的HBase信息已经在Zookeeper目录下已经存在引发的。

解决方法：

登陆到zookeeper节点的机器上
cd ${ZOOKEEPER_HOME}/bin
bin/zkCli.sh
ls / 能够查看到zookeeper上已有hbase目录
rmr /hbase #删除该目录
最后从新启动hbase便可

有时候用java调用hbase时，会发生访问hbase时虽然没有报错，可是一直没有响应。

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）

经过sqoop咱们能够实现RDMS与hadoop生态产品如hdfs、hive、hbase(单向)的数据导入导出。

在导入的过程当中咱们能够指定mapper的数量，甚至是压缩的方式。目前有sqoop1和sqoop2两个大版本，且差别较大。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  (若是有独立的ZooKeeper集群，才须要配置这个)
export ZOOCFGDIR=/opt/software/zookeeper-3.4.5-cdh5.3.6/

编辑 bin/configure-sqoop,注释掉HCAT_HOME、ACCUMULO_HOME(若是没有用到这些Hadoop组件的话)，差很少在文件的中间位置，130行左右

把mysql jdbc和sqlserver jdbc都放到 lib 下，同时拷贝到全部虚拟机的hadoop安装目录 $HADOOP_HOME/share/hadoop/common/lib。可以使用下面的脚本

cp mysql-connector-java-5.1.40-bin.jar /opt/software/sqoop-1.4.5-cdh5.3.6/lib/

--复制到全部虚拟机的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/

jdbc copy

检测安装情况,以下图所示，则安装配置都没问题了
```
bin/sqoop help
```

使用注：MSSqlServer与MySql的区别只在于链接信息上

** 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(若是使用了query的形式，则必需要在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（由于这是经过Mapper处理的，全部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处处到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是没法从hbase/hive导出到mysql的，实现方式也都是经过hive将数据输出到文件而后再用sqoop导出到mysql
Sqoop2从1.99.6开始经过KiteConnector的方式在必定程度上支持了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

#为了操做方便，能够选择建立软连接(非必须)
ln -s hive-0.13.1-cdh5.3.6 hive

将conf下面的模板文件更名成正式文件

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，若是不作修改的话就会使用自带的derby做为数据库

<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>
<!--用于远程链接-->
<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须要用到的包-->
<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，建立目录

$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链接时，服务也会stop
#启动成功后，敲任意键回到shell命令输入模式，而后输入exit退出便可(经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。若是没有这个需求则不须要执行该命令

启动成功后，会多一个RunJar进程，如今就可使用Hive Cli了
若是想启用远程模式的话须要启动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。不然会出现【Could not create ServerSocket on address 0.0.0.0/0.0.0.0:9083】

其余：

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 便可

②UDF的建立

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中执行建立命令

#若是已存在 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

建立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做提高很大效率，一个分区就是一个文件夹
- 建立分区
```
create table logdetail(proxyip string ,origin string) partitioned by(logdate string);
```
- 展现表的全部分区
```
show partitions tablename;
```

从文件load数据到hive.若是不加 local 则是hdfs上的文件

load data [local] inpath '/opt/software/log/log2016_12_15.log' overwrite into table logdetail;

建立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：

beeline 链接的问题

其余

Oozie-4.0.0-cdh5.3.6搭建

附：

① 批处理执行脚本(当前节点为NameNode1)

从新格式化时，须要删除数据的脚本

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/*'

View Code

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

View Code

②关于CentOS7minimal下MySql的安装

③用MapReduce操做HBase

默认状况下，在MapReduce中操做HBase的时候会出现各类 java.lang.NoClassDefFoundError 问题，这是由于没有提供相关jar包。解决方法：

把$HBASE_HOME/lib 里的全部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
全部节点都执行以上操做(不须要重启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>