CDH安装

时间 2019-11-10

标签 cdh 安装繁體版

原文原文链接

离线安装Cloudera Manager 5和CDH5(最新版5.1.3) 彻底教程html

关于CDH和Cloudera Managerjava

CDH (Cloudera's Distribution, including Apache Hadoop)，是Hadoop众多分支中的一种，由Cloudera维护，基于稳定版本的Apache Hadoop构建，并集成了不少补丁，可直接用于生产环境。node

Cloudera Manager则是为了便于在集群中进行Hadoop等大数据处理相关的服务安装和监控管理的组件，对集群中主机、Hadoop、Hive、Spark等服务的安装配置管理作了极大简化。python

系统环境mysql

1. 实验环境： Mac下VMware虚拟机

2. 操做系统： CentOS 6.5 x64 (至少内存2G以上，这里内存不够的同窗建议仍是整几台真机配置比较好，将CDH的全部组件所有安装会占用不少内存，我已开始设置的虚拟机内存是1G，安装过程当中直接卡死了)

3. Cloudera Manager：5.1.3

4. CDH: 5.1.3

安装说明linux

官方参考文档：
http://www.cloudera.com/content/cloudera/en/documentation/cloudera-manager/v5-latest/Cloudera-Manager-Installation-Guide/cm5ig_install_path_C.htmlweb

官方共给出了3中安装方式：第一种方法必需要求全部机器都能连网，因为最近各类国外的网站被墙的厉害，我尝试了几回各类超时错误，巨耽误时间不说，一旦失败，重装很是痛苦。第二种方法下载不少包。第三种方法对系统侵入性最小,最大优势可实现全离线安装，并且重装什么的都很是方便。后期的集群统一包升级也很是好。这也是我之因此选择离线安装的缘由。sql

相关包的下载地址shell

Cloudera Manager下载地址：
http://archive.cloudera.com/cm5/cm/5/cloudera-manager-el6-cm5.1.3_x86_64.tar.gz，
下载信息：
http://www.cloudera.com/content/cloudera/en/documentation/cloudera-manager/v5-latest/Cloudera-Manager-Version-and-Download-Information/Cloudera-Manager-Version-and-Download-Information.html#cmvd_topic_1数据库

CDH安装包地址：http://archive.cloudera.com/cdh5/parcels/latest/，因为咱们的操做系统为CentOS6.5，须要下载如下文件：

1. CDH-5.1.3-1.cdh5.1.3.p0.12-el6.parcel

2. CDH-5.1.3-1.cdh5.1.3.p0.12-el6.parcel.sha1

3. manifest.json

注意：与CDH4的不一样，原来安装CDH4的时候还须要下载IMPALA、Cloudera Search(SOLR)，CDH5中将他们包含在一块儿了，因此只须要下载一个CDH5的包就能够了。

准备工做：系统环境搭建

如下操做均用root用户操做。

若是用的最小化Centos7安装需安装几个命令

yum -y install psmisc gcc ntp net-tools wget vim

1. 网络配置(全部节点)

vi /etc/sysconfig/network修改hostname：

NETWORKING=yes

HOSTNAME=n1

经过service network restart重启网络服务生效。

vi /etc/hosts,修改ip与主机名的对应关系

192.168.1.106 n1

192.168.1.107 n2

192.168.1.108 n3

注意：这里须要将每台机器的ip及主机名对应关系都写进去，本机的也要写进去，不然启动Agent的时候会提示hostname解析错误。

关闭防火墙

systemctl stop firewalld.service

systemctl disable firewalld.service

修改主机名

hostnamectl set-hostname n2

2.打通SSH，设置ssh无密码登录（全部节点）

在主节点上执行ssh-keygen -t rsa一路回车，生成无密码的密钥对。

将公钥添加到认证文件中：cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys，并设置authorized_keys的访问权限：chmod 600 ~/.ssh/authorized_keys。

scp文件到全部datenode节点：

scp ~/.ssh/authorized_keys root@n2:~/.ssh/ 若是其余节点没有ssh目录直接把目录复制过去便可

测试：在主节点上ssh n2，正常状况下，不须要密码就能直接登录进去了。

3.安装Oracle的Java（全部节点）

CentOS，自带OpenJdk，不过运行CDH5须要使用Oracle的Jdk，须要Java 7的支持。

因为使用的最小化系统，Centos7中并无而后java自带包，这里必须注意。。便是没有也用yum -y install java 系统会自动解决依赖性关系，这点很重要，若是单用官网RPM包安装java 后期会有不少日志报错，缺乏python之类的包，下图就是提早用yum安装的java 。而后把java包安装

由于是用yum装的用java -version能够查看版本。可是javac命令确不能用因此在这把那些java的包卸载，使用rpm -e --nodeps 包名卸载之。只剩下图2个包便可（本身的笨办法，在这里吃了不少亏）

卸载自带的OpenJdk，使用rpm -qa | grep java查询java相关的包，

去Oracle的官网下载jdk的rpm安装包，并使用rpm -ivh 包名安装之。这里我下载的jdk-8u77-linux-x64.rpm

配置环境变量

export JAVA_HOME=/usr/java/jdk1.8.0_77

export CLASSPATH=.:$JAVA_HOME/jre/lib/rt.jar:$JAVA_HOME/jre/lib/dt.jar:$JAVA_HOME/jre/lib/tools.jar

export PATH=$PATH:$JAVA_HOME/bin

而后source 让其当即生效

以上配置都是全部节点都须要配置。能够在主节点配置好。scp到其余节点，快速配置

4.安装配置MySql（主节点）

CentOS 7的yum源中貌似没有正常安装mysql时的mysql-sever文件，须要去官网上下载

# wget http://dev.mysql.com/get/mysql-community-release-el7-5.noarch.rpm

# rpm -ivh mysql-community-release-el7-5.noarch.rpm

# yum install mysql-community-server

成功安装以后重启mysql服务

1	`# service mysqld restart`

Centos7中开机启动 systemctl enable mysqld.service

(如需关闭开启自启动 systemcal disable mysqld.server 便可 systemctl list-unit-files 查看开机启动服务)

并service mysqld start启动mysql服务，并根据提示设置root的初试密码：mysqladmin -u root password 'xxxx'。

mysql -uroot -pxxxx进入mysql命令行，建立如下数据库：

#hive

create database hive DEFAULT CHARSET utf8 COLLATE utf8_general_ci;

#activity monitor

create database amon DEFAULT CHARSET utf8 COLLATE utf8_general_ci;

设置root受权访问以上全部的数据库：

#受权root用户在主节点拥有全部数据库的访问权限

grant all privileges on *.* to'root'@'n1'identified by'123'with grant option; （须要一下2条命令，否则后面验证数据库就会出错）

grant all privileges on *.* to 'root'@'%' identified by '123' with grant option

flush privileges;

5.关闭防火墙和SELinux

注意：须要在全部的节点上执行，由于涉及到的端口太多了，临时关闭防火墙是为了安装起来更方便，安装完毕后能够根据须要设置防火墙策略，保证集群安全。

关闭防火墙：

systemctl stop firewalld.service #中止firewall

systemctl disable firewalld.service #禁止firewall开机启动

修改/etc/selinux/config 下的 SELINUX=disabled （重启后永久生效）

6.全部节点配置NTP服务

集群中全部主机必须保持时间同步，若是时间相差较大会引发各类问题。具体思路以下：

master节点做为ntp服务器与外界对时中心同步时间，随后对全部datanode节点提供时间同步服务。

全部datanode节点以master节点为基础同步时间。

全部节点安装相关组件：yum install ntp。完成后，配置开机启动：chkconfig ntpd on,检查是否设置成功：chkconfig --list ntpd其中2-5为on状态就表明成功。

rpm 先查询本机是否已经有ntp包。

若是有 /bin/systemctl restart ntpd.service 启动服务并查看运行情况

主节点配置

在配置以前，先使用ntpdate手动同步一下时间，省得本机与对时中心时间差距太大，使得ntpd不能正常同步。这里选用 ntpdate -u s2m.time.edu.cn

ntp服务只有一个配置文件，配置好了就OK。这里只给出有用的配置，不须要的配置都用#注掉，这里就不在给出：

driftfile /var/lib/ntp/drift

restrict 127.0.0.1

restrict -6 ::1

restrict default nomodify notrap

server s2m.time.edu.cn

includefile /etc/ntp/crypto/pw

keys /etc/ntp/keys

配置文件完成，保存退出，启动服务，执行以下命令：service ntpd start

检查是否成功，用ntpstat命令查看同步状态，出现如下状态表明启动成功：

synchronised to NTP server () at stratum 2

time correct to within 74 ms

polling server every 128 s

若是出现异常请等待几分钟，通常等待5-10分钟才能同步。

配置ntp客户端（全部datanode节点）

driftfile /var/lib/ntp/drift

restrict 127.0.0.1

restrict -6 ::1

restrictdefault kod nomodify notrap nopeer noquery

restrict -6 default kod nomodify notrap nopeer noquery

server n1

includefile /etc/ntp/crypto/pw

keys /etc/ntp/keys

ok保存退出，请求服务器前，请先使用ntpdate手动同步一下时间：ntpdate -u n1 (主节点ntp服务器)

这里可能出现同步失败的状况，请不要着急，通常是本地的ntp服务器尚未正常启动，通常须要等待5-10分钟才能够正常同步。启动服务：service ntpd start

由于是链接内网，此次启动等待的时间会比master节点快一些，可是也须要耐心等待一下子。

正式开工

安装Cloudera Manager Server 和Agent

主节点解压安装

cloudera manager的目录默认位置在/opt下，解压：tar xzvf cloudera-manager*.tar.gz将解压后的cm-5.1.3和cloudera目录放到/opt目录下。

为Cloudera Manager 5创建数据库

首先须要去MySql的官网下载JDBC驱动，http://dev.mysql.com/downloads/connector/j/，解压后，找到mysql-connector-java-5.1.33-bin.jar，放到/opt/cm-5.1.3/share/cmf/lib/中。

在主节点初始化CM5的数据库：

/opt/cm-5.1.3/share/cmf/schema/scm_prepare_database.sh mysql cm -hlocalhost -uroot -pxxxx --scm-host localhost scm scm scm

Agent配置

修改/opt/cm-5.1.3/etc/cloudera-scm-agent/config.ini中的server_host为主节点的主机名。

同步Agent到其余节点

scp -r /opt/cm-5.1.3 root@n2:/opt/

在全部节点建立cloudera-scm用户

useradd --system --home=/opt/cm-5.5.0/run/cloudera-scm-server/ --no-create-home --shell=/bin/false --comment "Cloudera SCM User" cloudera-scm

准备Parcels，用以安装CDH5

将CHD5相关的Parcel包放到主节点的/opt/cloudera/parcel-repo/目录中（parcel-repo须要手动建立）。

相关启动脚本

经过/opt/cm-5.5.0/etc/init.d/cloudera-scm-server start启动服务端。

经过/opt/cm-5.5.0/etc/init.d/cloudera-scm-agent start启动Agent服务。

咱们启动的实际上是个service脚本，须要中止服务将以上的start参数改成stop就能够了，重启是restart。

CDH5的安装配置

Cloudera Manager Server和Agent都启动之后，就能够进行CDH5的安装配置了。

这时能够经过浏览器访问主节点的7180端口测试一下了（因为CM Server的启动须要花点时间，这里可能要等待一会才能访问），默认的用户名和密码均为admin：

能够看到，免费版本的CM5已经没有原来50个节点数量的限制了。

各个Agent节点正常启动后，能够在当前管理的主机列表中看到对应的节点。选择要安装的节点，点继续。

接下来，出现如下包名，说明本地Parcel包配置无误，直接点继续就能够了。

点击，继续，若是配置本地Parcel包无误，那么下图中的已下载，应该是瞬间就完成了，而后就是耐心等待分配过程就好了，大约10多分钟吧，取决于内网网速。

接下来是服务器检查，可能会遇到如下问题：

Cloudera 建议将/proc/sys/vm/swappiness 设置为0。当前设置为60。使用 sysctl 命令在运行时更改该设置并编辑/etc/sysctl.conf 以在重启后保存该设置。您能够继续进行安装，但可能会遇到问题，Cloudera Manager 报告您的主机因为交换运行情况不佳。如下主机受到影响：

经过echo 0 > /proc/sys/vm/swappiness便可解决。

接下来是选择安装服务：

服务配置，通常状况下保持默认就能够了（Cloudera Manager会根据机器的配置自动进行配置，若是须要特殊调整，自行进行设置就能够了）：

接下来是数据库的设置，检查经过后就能够进行下一步的操做了：

下面是集群设置的审查页面，我这里都是保持默认配置的：

终于到安装各个服务的地方了，注意，这里安装Hive的时候可能会报错，由于咱们使用了MySql做为hive的元数据存储，hive默认没有带mysql的驱动，经过如下命令拷贝一个就好了：

cp /opt/cm-5.1.3/share/cmf/lib/mysql-connector-java-5.1.33-bin.jar /opt/cloudera/parcels/CDH-5.1.3-1.cdh5.1.3.p0.12/lib/hive/lib/ 切记：给最多权限，以避免发生错误

服务的安装过程大约半小时内就能够完成：

安装完成后，就能够进入集群界面看一下集群的当前情况了。

这里可能会出现没法发出查询：对 Service Monitor 的请求超时的错误提示，若是各个组件安装没有问题，通常是由于服务器比较卡致使的，过一会刷新一下页面就行了：

测试

在集群的一台机器上执行如下模拟Pi的示例程序：

sudo -u hdfs hadoop jar /opt/cloudera/parcels/CDH/lib/hadoop-mapreduce/hadoop-mapreduce-examples.jar pi 10 100

执行过程须要花必定的时间，经过YARN的后台也能够看到MapReduce的执行状态：

MapReduce执行过程当中终端的输出以下：

Number of Maps = 10

Samples per Map = 100

Wrote input for Map #0

Wrote input for Map #1

Wrote input for Map #2

Wrote input for Map #3

Wrote input for Map #4

Wrote input for Map #5

Wrote input for Map #6

Wrote input for Map #7

Wrote input for Map #8

Wrote input for Map #9

Starting Job

14/10/13 01:15:34 INFO client.RMProxy: Connecting to ResourceManager at n1/192.168.1.161:8032

14/10/13 01:15:36 INFO input.FileInputFormat: Total input paths to process : 10

14/10/13 01:15:37 INFO mapreduce.JobSubmitter: number of splits:10

14/10/13 01:15:39 INFO mapreduce.JobSubmitter: Submitting tokens for job: job_1413132307582_0001

14/10/13 01:15:40 INFO impl.YarnClientImpl: Submitted application application_1413132307582_0001

14/10/13 01:15:40 INFO mapreduce.Job: The url to track the job: http://n1:8088/proxy/application_1413132307582_0001/

14/10/13 01:15:40 INFO mapreduce.Job: Running job: job_1413132307582_0001

14/10/13 01:17:13 INFO mapreduce.Job: Job job_1413132307582_0001 running in uber mode : false

14/10/13 01:17:13 INFO mapreduce.Job: map 0% reduce 0%

14/10/13 01:18:02 INFO mapreduce.Job: map 10% reduce 0%

14/10/13 01:18:25 INFO mapreduce.Job: map 20% reduce 0%

14/10/13 01:18:35 INFO mapreduce.Job: map 30% reduce 0%

14/10/13 01:18:45 INFO mapreduce.Job: map 40% reduce 0%

14/10/13 01:18:53 INFO mapreduce.Job: map 50% reduce 0%

14/10/13 01:19:01 INFO mapreduce.Job: map 60% reduce 0%

14/10/13 01:19:09 INFO mapreduce.Job: map 70% reduce 0%

14/10/13 01:19:17 INFO mapreduce.Job: map 80% reduce 0%

14/10/13 01:19:25 INFO mapreduce.Job: map 90% reduce 0%

14/10/13 01:19:33 INFO mapreduce.Job: map 100% reduce 0%

14/10/13 01:19:51 INFO mapreduce.Job: map 100% reduce 100%

14/10/13 01:19:53 INFO mapreduce.Job: Job job_1413132307582_0001 completed successfully

14/10/13 01:19:56 INFO mapreduce.Job: Counters: 49

File System Counters

FILE: Number of bytes read=91

FILE: Number of bytes written=1027765

FILE: Number ofread operations=0

FILE: Number of large read operations=0

FILE: Number ofwrite operations=0

HDFS: Number of bytes read=2560

HDFS: Number of bytes written=215

HDFS: Number ofread operations=43

HDFS: Number of large read operations=0

HDFS: Number ofwrite operations=3

Job Counters

Launched map tasks=10

Launched reduce tasks=1

Data-local map tasks=10

Total time spent by all maps in occupied slots (ms)=118215

Total time spent by all reduces in occupied slots (ms)=11894

Total time spent by all map tasks (ms)=118215

Total time spent by all reduce tasks (ms)=11894

Total vcore-seconds taken by all map tasks=118215

Total vcore-seconds taken by all reduce tasks=11894

Total megabyte-seconds taken by all map tasks=121052160

Total megabyte-seconds taken by all reduce tasks=12179456

Map-Reduce Framework

Map input records=10

Map output records=20

Map output bytes=180

Map output materialized bytes=340

Input split bytes=1380

Combine input records=0

Combine output records=0

Reduce input groups=2

Reduce shuffle bytes=340

Reduce input records=20

Reduce output records=0

Spilled Records=40

Shuffled Maps =10

Failed Shuffles=0

Merged Map outputs=10

GC time elapsed (ms)=1269

CPU time spent (ms)=9530

Physical memory (bytes) snapshot=3792773120

Virtual memory (bytes) snapshot=16157274112

Total committed heap usage (bytes)=2856624128

Shuffle Errors

BAD_ID=0

CONNECTION=0

IO_ERROR=0

WRONG_LENGTH=0

WRONG_MAP=0

WRONG_REDUCE=0

File Input Format Counters

Bytes Read=1180

File Output Format Counters

Bytes Written=97

Job Finished in 262.659 seconds

Estimated value of Pi is 3.14800000000000000000

检查Hue

首次登录Hue会让设置一个初试的用户名和密码，设置好，登录到后台，会作一次检查，一切正常后会提示：

到这里代表咱们的集群可使用了。

如上若是安装Oozie失败：

出现

Java Connect to database Error：ClassNotFoundException:com.mysql.jdbc.Driver 错误

须要本身先建立一个oozie数据库

$ mysql -u root -p

Enter password: ******

mysql> create database oozie;

Query OK, 1 row affected (0.03 sec)

mysql> grant all privileges on oozie.* to 'oozie'@'localhost' identified by 'oozie';

Query OK, 0 rows affected (0.03 sec)

mysql> grant all privileges on oozie.* to 'oozie'@'%' identified by 'oozie';

Query OK, 0 rows affected (0.03 sec)

并刷新数据库

把下载好的mysql的jdbc驱动复制到/var/lib/oozie/ 这里我给了文件777权限防止出错

cp /home/mysql-connector-java-5.1.38/mysql-connector-java-5.1.38-bin.jar /var/lib/oozie/

chmod 777 mysql-connector-java-5.1.38-bin.jar

而后在重试 web页面安装服务成功安装

hadoop2.6彻底分布式安装文档

ssh和jdk的配置上面参照便可

这里主要列出配置文件的内容

useradd hadoop (建立用户)

passwd hadoop （设置密码，为简单起见，3台机器上的hadoop密码最好设置成同样，好比hadoop123）

为了方便，建议将hadoop加入root用户组，操做方法：

先以root身份登陆，而后输入

usermod -g root hadoop ，执行完后hadoop即归属于root组了，能够再输入

id hadoop 查看输出验证一下，若是看到相似下面的输出：

uid=502(hadoop) gid=0(root) 组=0(root)

就表示OK了

http://mirrors.cnnic.cn/apache/hadoop/common/ 下载，本教程选择的是 2.6.0 版本，下载时请下载 hadoop-2.x.y.tar.gz这个格式的文件，这是编译好的，另外一个包含 src 的则是 Hadoop 源代码，须要进行编译才可以使用。

下载时强烈建议也下载 hadoop-2.x.y.tar.gz.mds 这个文件，该文件包含了检验值可用于检查 hadoop-2.x.y.tar.gz 的完整性，不然若文件发生了损坏或下载不完整，Hadoop 将没法正常运行。

下载后使用MD5校验是否完整

这里我是下载的hadoop2.6 并解压放置到/usr/local/hadoop

1. tar -zxf hadoop-2.6.0.tar.gz -C /usr/local # 解压到/usr/local中

2. cd /usr/local/

3. mv ./hadoop-2.6.0/ ./hadoop # 将文件夹名改成hadoop

4. chown -R hadoop:hadoop ./hadoop # 修改文件权限

并检查是否可用

1. cd /usr/local/hadoop

2. ./bin/hadoop version

一、进/usr/local/hadoop/etc/hadoop目录中，编辑hadoop-env.sh文件，使用vim  hadoop-env.sh，修改内容以下：
   export JAVA_HOME=/usr/java/jdk1.6.0_31

二、编辑yarn-env.sh       vim  yarn-env.sh，修改内容以下：
   JAVA_HOME=/usr/java/jdk1.6.0_31

三、编辑core-site.xml，修改内容以下：这里自行创建/home/hadoop/tmp
<property>
<name>fs.default.name</name>
<value>hdfs://master:9000</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>/home/hadoop/tmp</value>
</property>

四、编辑hdfs-site.xml，编辑内容以下：
<property>
<name>dfs.replication</name>
<value>2</value>
</property>
<property>
<name>dfs.namenode.name.dir</name>
<value>file:/home/hadoop/dfs/name</value>
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>file:/home/hadoop/dfs/data</value>
</property>

五、编辑mapred-site.xml（须要复制mapred-site.xml.template，并命名为mapred-site.xml），编辑内容以下：
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
<property>
<name>mapreduce.jobhistory.address</name>
<value>n1:10020</value>
</property>
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>n1:19888</value>
</property>

六、编辑yarn-site.xml文件，修改内容以下：
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<property>
<name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>
<value>org.apache.hadoop.mapred.ShuffleHandler</value>
</property>
<property>
<name>yarn.resourcemanager.address</name>
<value>n1:8032</value>
</property>
<property>
<name>yarn.resourcemanager.scheduler.address</name>
<value>n1:8030</value>
</property>
<property>
<name>yarn.resourcemanager.resource-tracker.address</name>
<value>n1:8031</value>
</property>
<property>
<name>yarn.resourcemanager.admin.address</name>
<value>n1:8033</value>
</property>
<property>
<name>yarn.resourcemanager.webapp.address</name>
<value>n1:8088</value>
</property>

七、编辑slaves文件，修改内容以下：
n2
n3

八、复制hadoop2.6到另外两个节点，

九、在master节点格式化hdfs文件
./bin/hdfs namenode -format
   成功格式化后，以下图：

十、启动hadoop
./sbin/start-all.sh
   使用jps查看运行的进程，表示master和slave节点成功运行的进程以下：
   master：

slave1：

slave2：

至此hadoop2.6集群搭建完成。搭建完成后访问网站http://192.168.1.120:50070

另外也能够经过 bin/hdfs dfsadmin -report 查看hdfs的状态报告

a) master(即：namenode节点)若要从新格式化，请先清空各datanode上的data目录（最好连tmp目录也一块儿清空），不然格式化完成后，启动dfs时,datanode会启动失败

b) 若是以为master机器上只运行namenode比较浪费,想把master也当成一个datanode,直接在slaves文件里,添加一行master便可

c）设置hadoop环境变量

export HADOOP_HOME=/usr/local/hadoop

export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/sbin:$HADOOP_HOME/bin

安装HIVE项目

首先创建hive库

-- 建立 hive 数据库

mysql> CREATE DATABASE hive;

-- 建立 hive 用户，并赋予访问 hive 数据库的权限

mysql> GRANT ALL PRIVILEGES ON hive.*TO'hive'@'localhost' IDENTIFIED BY'hive';

mysql> FLUSH PRIVILEGES;

-- 设置 binary log 的格式：

mysql>setglobal binlog_format=MIXED;

下载HIve并配置环境变量

tar xzvf hive-2.0.tar.gz -C /home/hadoop

并mv为hive

-- 在 .bashrc 或是 .bash_profile 文件中增长如下设置：

export HIVE_HOME=/home/hadoop/hive

export PATH=$PATH:$HIVE_HOME/bin

修改配置文件

cd /home/hadoop/
cp hive-default.xml.template hive-site.xml
cp hive-log4j.properties.template hive-log4j.propertie

配置文件修改以下

-- cat hive-1.1.0-cdh5.4.7/conf/hive-site.xml
<?xml version="1.0" encoding="UTF-8"?><?xml-stylesheet type="text/xsl" href="configuration.xsl"?><configuration><property><name>hive.server2.thrift.port</name><value>10000</value></property><property><name>hive.server2.thrift.bind.host</name><value>n1</value></property><property><name>hive.server2.authentication</name><value>NONE</value><description>
        Client authentication types.
           NONE: no authentication check
           LDAP: LDAP/AD based authentication
           KERBEROS: Kerberos/GSSAPI authentication
           CUSTOM: Custom authentication provider
                   (Use with property hive.server2.custom.authentication.class)
      </description></property><property><name>hive.server2.enable.doAs</name><value>true</value></property><property><name>javax.jdo.option.ConnectionURL</name><value>jdbc:mysql://localhost: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>hive</value><description>password to use against metastore database</description></property></configuration>

下载mysql jdb jar包
wget http://cdn.mysql.com//Downloads/Connector-J/mysql-connector-java-5.1.37.tar.gz

tar xvzf mysql-connector-java-5.1.37.tar.gz

cp mysql-connector-java-5.1.37/mysql-connector-java-5.1.37-bin.jar $HIVE_HOME/lib
在启动hive 进入bin目录执行hive

若是这里报错 [ERROR] Terminal initialization failed; falling back to unsupported

缘由是hadoop目录下存在老版本jline：

/hadoopshare/hadoop/yarn/lib：

-rw-r--r-- 1 root root 87325 Mar 10 18:10 jline-0.9.94.jar

解决方法是：

将hive下的新版本jline的JAR包拷贝到hadoop下：

cp /home/hive/lib/jline-2.12.jar /usr/local/hadoop/share/hadoop/yarn/lib

并将/usr/local/hadoop/share/hadoop/yarn/lib 内的jline包更名以下便可

-rw-r--r-- 1 root root 87325 Mar 10 18:10 jline-0.9.94.jar.bak
-rw-r--r-- 1 root root 213854 Mar 11 22:22 jline-2.12.jar

最后设置的环境变量为

export JAVA_HOME=/usr/java/jdk1.8.0_77

export CLASSPATH=.:$JAVA_HOME/jre/lib/rt.jar:$JAVA_HOME/jre/lib/dt.jar:$JAVA_HOME/jre/lib/tools.jar

export PATH=$PATH:$JAVA_HOME/bin

export HADOOP_HOME=/usr/local/hadoop

export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/sbin:$HADOOP_HOME/bin

export HIVE_HOME=/usr/local/hadoop/hive

export PATH=$PATH:$HIVE_HOME/bin

本身总结的各类小毛病处理

在配置以前清除服务项目安装在哪个文件目录下。这样出了问题好排查

1.在对namenode格式化以前，要确保dfs.name.dir参数指定的目录不存在。查看配置文件

Hadoop这样作的目的是防止错误地将已存在的集群格式化了

2.若是哪一个服务启动失败就去看日志。看是哪一步格式化错误了。通常hadoop的配置文件都是其项目内的xml文件。例如 hdfs-site.xml 文件

3.若是启动hive失败。首先创建hive数据，在配置文件 hive-site.xml 配置数据库选项

若是在安装的过程当中出现YARN启动服务失败查看日志

例如：Name node is in safe mode 错误。切换到hadoop 用户由于这是处于安全模式。输入 hadoop dfsadmin -safemode leave可关闭模式

若是仍是解决不了。可操做

是CDH 的BUG,须要修改文件 <CM-PATH>/lib64/cmf/agent/src/cmf/util.py

将util.py里的一行代码：
pipe = subprocess.Popen(['/bin/bash', '-c', ". %s; %s; env" % (path, command)],
                        stdout=subprocess.PIPE, env=caller_env)

修改为：
pipe = subprocess.Popen(['/bin/bash', '-c', ". %s; %s; env | grep -v { | grep -v }" % (path, command)],
                        stdout=subprocess.PIPE, env=caller_env)

就行了