1 基本环境与zookeeper 安装
本次集群搭建共有三个节点,包括一个主节点 master,和两个从节点 slave1和 slave2。具体操作如下:
1.1 修改主机名(三台机器均执行)
下载相关工具
yum install -y net-tools
1.2 配置host 文件(三台机器)
1.3 关闭防火墙
关闭防火墙:systemctl stop firewalld
查看状态:systemctl status firewalld
1.4 NTP时间同步
yum install –y ntp
vi /etc/ntp.conf
server 127.127.1.0
fudge 127.127.1.0 stratum 10
重启 ntp 服务。
[root@master ~]# systemctl restart ntpd
ntpdate master
1.5 配置ssh 免密
(1) 每个结点分别产生公私密钥:
ssh-keygen -t dsa -P '' -f ~/.ssh/id_dsa(三台机器)
秘钥产生目录在用户主目录下的.ssh 目录中,进入相应目录查看:
cd .ssh/
( 2 )将公钥文件复制成authorized_keys 文件:(仅 master)
cat id_dsa.pub >> authorized_keys
(3)分发authorized_keys至其他节点
scp authorized_keys slave1:/root/.ssh/
scp authorized_keys slave2:/root/.ssh/
1.6 安装JDK(三台机器)
(1)首先建立工作路径/usr/java。
mkdir -p /usr/java
tar -zxvf /opt/jdk-8u171-linux-x64.tar.gz -C /usr/java/
(2)修改环境变量
修改环境变量:vi /etc/profile
添加内容如下:
export JAVA_HOME=/usr/java/jdk1.8.0_171
export CLASSPATH=$JAVA_HOME/lib/
export PATH=$PATH:$JAVA_HOME/bin
export PATH JAVA_HOME CLASSPATH
生效环境变量:source /etc/profile
查看 java 版本:java -version
在 master 中将 JDK 复制到 slave中(要保证 slave中已有相应目录)。使用SCP
2. 安装zookeeper
(1)修改主机名称到 IP 地址映射配置。
vi /etc/hosts
192.168.15.104 master master.root
192.168.15.127 slave1 slave1.root
192.168.15.124 slave2 slave2.root
(2)修改 ZooKeeper 配置文件。在其中 master 机器上,用 tar -zxvf 命令解压缩 zookeeper-3.4.10.tar.gz。
创建工作目录:mkdir -p /usr/zookeeper
解压:tar -zxvf /opt/zookeeper-3.4.10.tar.gz -C /usr/zookeeper/
(3)配置文件 conf/zoo.cfg
用 cd 命令进入 zookeeper-3.4.10/conf 目录下,将 zoo_sample.cfg 文件拷贝一份,命名为为“zoo.cfg”。
cp zoo_sample.cfg zoo.cfg
Zoo.cfg 文件配置
tickTime=2000
initLimit=10
syncLimit=5
dataDir=/usr/zookeeper/zookeeper-3.4.10/zkdata
clientPort=2181
dataLogDir=/usr/zookeeper/zookeeper-3.4.10/zkdatalog
server.1=master:2888:3888
server.2=slave1:2888:3888
server.3=slave2:2888:3888
(4)在 zookeeper 的目录中,创建 zkdata 和 zkdatalog 两个文件夹。zkdatalog 文件夹,是为了指定 zookeeper 产生日志指定相应的路径。
mkdir zkdata
mkdir zkdatalog
(5)进入 zkdata 文件夹,创建文件 myid。
[root@master ~]# cat /usr/zookeeper/zookeeper-3.4.10/zkdata/myid
1
(6)远程复制分发安装文件
scp -r /usr/zookeeper slave1:/usr/
scp -r /usr/zookeeper slave2:/usr/
(7)设置 myid。在我们配置的 dataDir 指定的目录下面,创建一个 myid文件,里面内容为一个数字,用来标识当前主机,conf/zoo.cfg 文件中配置server.X 中 X 为什么数字,则 myid 文件中就输入这个数字。slave1 中为 2;slave2 中为 3。
(8)配置环境变量并启动 ZooKeeper。在每台机器上操作如下:
vi /etc/profile
export ZOOKEEPER_HOME=/usr/zookeeper/zookeeper-3.4.10
PATH=$PATH:$ZOOKEEPER_HOME/bin
生效:source /etc/profile
(9)启动 ZooKeeper 集群
在 ZooKeeper 集群的每个结点上,执行启动 ZooKeeper 服务的脚本,如下所示:
bin/zkServer.sh start
bin/zkServer.sh status
3. 安装hadoop
(1)创建对应工作目录/usr/hadoop:
解压 hadoop 到相应目录:
Vi /etc/profile
export HADOOP_HOME=/usr/hadoop/hadoop-2.7.3
export CLASSPATH=$CLASSPATH:$HADOOP_HOME/lib
export PATH=$PATH:$HADOOP_HOME/bin
使用以下命令使 profile 生效:
source /etc/profile
(2)编辑/usr/hadoop/hadoop-2.7.3/etc/hadoop/hadoop-env.sh
输入内容:export JAVA_HOME=/usr/java/jdk1.8.0_171
(3)编辑/usr/hadoop/hadoop-2.7.3/etc/hadoop/core-site.xml
<configuration>
<property>
<name>fs.default.name</name>
<value>hdfs://master:9000</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>/usr/hadoop/hadoop-2.7.3/hdfs/tmp</value>
<description>A base for other temporary directories.</description>
</property>
<property>
<name>io.file.buffer.size</name>
<value>131072</value>
</property>
<property>
<name>fs.checkpoint.period</name>
<value>60</value>
</property>
<property>
<name>fs.checkpoint.size</name>
<value>67108864</value>
</property>
</configuration>
(4)编辑/usr/hadoop/hadoop-2.7.3/etc/hadoop/yarn-site.xml
<property>
<name>yarn.resourcemanager.address</name>
<value>master:18040</value>
</property>
<property>
<name>yarn.resourcemanager.scheduler.address</name>
<value>master:18030</value>
</property>
<property>
<name>yarn.resourcemanager.webapp.address</name>
<value>master:18088</value>
</property>
<property>
<name>yarn.resourcemanager.resource-tracker.address</name>
<value>master:18025</value>
</property>
<property>
<name>yarn.resourcemanager.admin.address</name>
<value>master:18141</value>
</property>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<property>
<name>yarn.nodemanager.auxservices.mapreduce.shuffle.class</name>
<value>org.apache.hadoop.mapred.ShuffleHandler</value>
</property>
(5)编写 slavs 文件/usr/hadoop/hadoop-2.7.3/etc/hadoop/slaves
[root@master ~]# cat /usr/hadoop/hadoop-2.7.3/etc/hadoop/slaves
slave1
slave2
(6)编写master 文件/usr/hadoop/hadoop-2.7.3/etc/hadoop/master
[root@master ~]# cat /usr/hadoop/hadoop-2.7.3/etc/hadoop/master
Master
(7)编写/usr/hadoop/hadoop-2.7.3/etc/hadoop/hdfs-site.xml
<configuration>
<property>
<name>dfs.replication</name>
<value>2</value>
</property>
<property>
<name>dfs.namenode.name.dir</name>
<value>file:/usr/hadoop/hadoop-2.7.3/hdfs/name</value>
<final>true</final>
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>file:/usr/hadoop/hadoop-2.7.3/hdfs/data</value>
<final>true</final>
</property>
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>master:9001</value>
</property>
<property>
<name>dfs.webhdfs.enabled</name>
<value>true</value>
</property>
<property>
<name>dfs.permissions</name>
<value>false</value>
</property>
</configuration>
(8)/usr/hadoop/hadoop-2.7.3/etc/hadoop/mapred-site.xml
首先将模板文件复制为 xml 文件,对其进行编辑:
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
(9)分发 hadoop:
scp -r /usr/hadoop slave1:/usr/
scp -r /usr/hadoop slave2:/usr/
注意:slave 节点上还需要配置环境变量,(分发profile)
(10)master 中格式化 hadoop
hadoop namenode -format
(11)启动hadoop集群:
[root@master ~]# /usr/hadoop/hadoop-2.7.3/sbin/start-all.sh
访问主节点 master:50070(50070 是 hdfs 的 web 管理页面)
4.HBASE 安装
(1)同样先建立工作路径/usr/hbase,将/opt/soft 下的 hbase 解压到工作路径中。
解压:tar -zxvf /opt/hbase-1.2.4-bin.tar.gz -C /usr/hbase
(2)修改配置文件:/usr/hbase/hbase-1.2.4/conf/hbase-env.sh
export HBASE_MANAGES_ZK=false
export JAVA_HOME=/usr/java/jdk1.8.0_171
export HBASE_CLASSPATH=/usr/hadoop/hadoop-2.7.3/etc/hadoop
解释:一个分布式运行的 Hbase 依赖一个 zookeeper 集群。所有的节点和客户端都必须能够访问 zookeeper。默认的情况下 Hbase 会管理一个 zookeep 集群,即 Hbase 默认自带一个 zookeep 集群。这个集群会随着 Hbase 的启动而启动。而在实际的商业项目中通常自己管理一个 zookeeper 集群更便于优化配置提高集群工作效率,但需要配置 Hbase。需要修改 conf/hbase-env.sh 里面的HBASE_MANAGES_ZK 来切换。这个值默认是 true 的,作用是让 Hbase 启动的时候同时也启动 zookeeper。我们采用独立运行 zookeeper 集群的方式,故将其属性值改为 false。
(3)配置 /usr/hbase/hbase-1.2.4/conf/hbase-site.xml
<configuration>
<property>
<name>hbase.rootdir</name>
<value>hdfs://master:9000/hbase</value>
</property>
<property>
<name>hbase.cluster.distributed</name>
<value>true</value>
</property>
<property>
<name>hbase.master</name>
<value>hdfs://master:6000</value>
</property>
<property>
<name>hbase.zookeeper.quorum</name>
<value>master,slave1,slave2</value>
</property>
<property>
<name>hbase.zookeeper.property.dataDir</name>
<value>/usr/zookeeper/zookeeper-3.4.10</value>
</property>
<property>
<name>hbase.cluster.distributed</name>
<value>true</value>
</property>
</configuration>
解释:要想运行完全分布式模式,加一个属性 hbase.cluster.distributed设置为 true 然后把 hbase.rootdir 设置为 HDFS 的 NameNode 的位置
(4)配置 conf/regionservers
[root@master ~]# cat /usr/hbase/hbase-1.2.4/conf/regionservers
slave1
slave2
(5)hadoop 配置文件拷入 hbase 的 conf 目录下:
cp /usr/hadoop/hadoop-2.7.3/etc/hadoop/hdfs-site.xml /usr/hbase/hbase-1.2.4/conf/
cp /usr/hadoop/hadoop-2.7.3/etc/hadoop/core-site.xml /usr/hbase/hbase-1.2.4/conf/
(6)分发 hbase
scp -r /usr/hbase slave1:/usr/
scp -r /usr/hbase slave2:/usr/
(7)配置环境变量
vi /etc/profile
export HBASE_HOME=/usr/hbase/hbase-1.2.4
export PATH=$PATH:$HBASE_HOME/bin
source /etc/profile
(8)运行和测试
在 master 上执行(保证 hadoop 和 zookeeper 已开启):
bin/start-hbase.sh
(9)访问 master 的 hbase web 界面
http://master IP:16010/master-status
(10)进 hbase 交互界面, 查看状态与版本
hbase shell
5. 构建数据仓库
- master 作为 client 客户端
- slave1 作为 hive server 服务器端
- slave2 安装 mysql server
5.1 slave2 上安装mysql server
(1)安装 EPEL 源(下载源仅做参考)
yum -y install epel-release
(2)安装 MySQL server 包,下载源安装包:
wget http://dev.mysql.com/get/mysql57-community-release-el7-8.noarch.rpm
没有wget先装wget
(3)安装源:rpm -ivh mysql57-community-release-el7-8.noarch.rpm
查看是否有包:cd /etc/yum.repos.d
mysql-community.repo
mysql-community-source.repo
安装 MySQL:yum -y install mysql-community-server
(4)启动服务
重载所有修改过的配置文件:systemctl daemon-reload
开启服务:systemctl start mysqld
开机自启:systemctl enable mysqld
(5)安装完毕后,/var/log/mysqld.log 文件中会自动生成一个随机的密码,我们需要先取得这个随机密码,以用于登录 MySQL 服务端:
获取初密码:grep “password” /var/log/mysqld.log
登陆 MySQL:mysql -uroot -p
(6)MySQL 密码安全策略:
设置密码强度为低级:set global validate_password_policy=0;
设置密码长度:set global validate_password_length=4;
修改本地密码:alter user 'root'@'localhost' identified by '123456';
密码强度分级如下:
0 为 low 级别,只检查长度;
1 为 medium 级别(默认),符合长度为 8,且必须含有数字,大小写,特殊字符;
2 为 strong 级别,密码难度更大一些,需要包括字典文件。
密码长度最低长为 4,当设置长度为 1、2、3 时,其长度依然为 4。
(7)设置远程登录
以新密码登陆 MySQL:mysql -uroot -p123456
创建用户:create user 'root'@'%' identified by '123456';
允许远程连接:grant all privileges on *.* to 'root'@'%' with grant option;
刷新权限:flush privileges;
5.2 Slave1 上安装hive
(1)首先我们需要创建工作路径,并将 hive 解压。环境中 master 作为客户端,slave1 作为服务器端,因此都需要使用到 hive。因为 hive 相关安装包存放在 master 中,因此我们先在 master 中对 hive 进行解压,然后将其复制到slave1 中。
master 中操作如下:
mkdir -p /usr/hive
tar -zxvf /opt/apache-hive-2.1.1-bin.tar.gz -C /usr/hive/
scp -r /usr/hive slave1:/usr/
(2)修改/etc/profile 文件设置 hive 环境变量。(master 和 slave1 都执行)
vi /etc/profile
export HIVE_HOME=/usr/hive/apache-hive-2.1.1-bin
export PATH=$PATH:$HIVE_HOME/bin
source /etc/profile
(3)因为服务端需要和 Mysql 通信,所以服务端需要 Mysql 的 lib 安装包到 Hive_Home/conf 目录下。
注意:mysql.jar 放在 slave2 中的/lib 目录下,需要将其远程复制到 slave1的 hive 的 lib 中。
scp /usr/mysql-connector-java-5.1.5-bin.jar slave1:/usr/hive/apache-hive-2.1.1-bin/lib
(4)回到 slave1,修改/usr/hive/apache-hive-2.1.1-bin/conf/hive-env.sh中 HADOOP_HOME 环境变量。
HADOOP_HOME=/usr/hadoop/hadoop-2.7.3
(5)修改/usr/hive/apache-hive-2.1.1-bin/conf/hive-site.xml 文件
<configuration>
<!-- Hive 产生的元数据存放位置-->
<property>
<name>hive.metastore.warehouse.dir</name>
<value>/user/hive_remote/warehouse</value>
</property>
<!-- 数据库连接 JDBC 的 URL 地址-->
<property>
<name>javax.jdo.option.ConnectionURL</name>
<value>jdbc:mysql://slave2:3306/hive?createDatabaseIfNotExist=true</value>
</property>
<!-- 数据库连接 driver,即 MySQL 驱动-->
<property>
<name>javax.jdo.option.ConnectionDriverName</name>
<value>com.mysql.jdbc.Driver</value>
</property>
<!-- MySQL 数据库用户名-->
<property>
<name>javax.jdo.option.ConnectionUserName</name>
<value>root</value>
</property>
<!-- MySQL 数据库密码-->
<property>
<name>javax.jdo.option.ConnectionPassword</name>
<value>123456</value>
</property>
<property>
<name>hive.metastore.schema.verification</name>
<value>false</value>
</property>
<property>
<name>datanucleus.schema.autoCreateAll</name>
<value>true</value>
</property>
</configuration>
5.3Master 作为客户端
(1)解决版本冲突和 jar 包依赖问题。由于客户端需要和 Hadoop 通信,所以需要更改 Hadoop 中 jline 的版本。即保留一个高版本的 jline jar 包,从 hive 的 lib 包中拷贝到 Hadoop 中 lib 位置为/usr/hadoop/hadoop-2.7.3/share/hadoop/yarn/lib。
cp /usr/hive/apache-hive-2.1.1-bin/lib/jline-2.12.jar /usr/hadoop/hadoop-2.7.3/share/hadoop/yarn/lib/
(2)修改/usr/hive/apache-hive-2.1.1-bin/conf/hive-env.sh中 HADOOP_HOME 环境变量。
HADOOP_HOME=/usr/hadoop/hadoop-2.7.3
(3)修改/usr/hive/apache-hive-2.1.1-bin/conf/ hive-site.xml
<configuration>
<!-- Hive 产生的元数据存放位置-->
<property>
<name>hive.metastore.warehouse.dir</name>
<value>/user/hive_remote/warehouse</value>
</property>
<!--- 使用本地服务连接 Hive,默认为 true-->
<property>
<name>hive.metastore.local</name>
<value>false</value>
</property>
<!-- 连接服务器-->
<property>
<name>hive.metastore.uris</name>
<value>thrift://slave1:9083</value>
</property>
</configuration>
5.4 成功启动Hive
(1)启动 hive server(slave1 上)
hive --service metastore
(2)启动 hive client(master 上)
hive